Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

ff7	1.12 29	0.57 194	2.06 46	0.03 1	0.07 29	2.80 145	0.84 236	3.71 30	2.27 14	0.38 15	1.06 21	0.20 7	0.40 36	7.12 219	0.49 45	0.00 1	0.00 1	0.00 1	0.16 332	0.09 192	0.06 172

ffff	1.12 29	0.57 194	2.06 46	0.03 1	0.07 29	2.80 145	0.84 236	3.71 30	2.27 14	0.38 15	1.06 21	0.20 7	0.40 36	7.12 219	0.49 45	0.00 1	0.00 1	0.00 1	0.16 332	0.09 192	0.06 172

11t	1.12 29	0.57 194	2.06 46	0.03 1	0.07 29	2.80 145	0.84 236	3.71 30	2.27 14	0.38 15	1.06 21	0.20 7	0.40 36	7.12 219	0.49 45	0.00 1	0.00 1	0.00 1	0.16 332	0.09 192	0.06 172

MIF-Stereo (partial)	1.29 46	0.33 56	3.02 142	0.03 1	1.12 272	1.26 10	0.13 53	4.46 64	3.75 103	0.35 13	2.39 68	0.31 30	0.74 71	6.09 158	1.76 196	0.00 1	0.00 1	0.00 1	0.00 1	0.08 175	0.04 123

anonymousdsp	1.12 29	0.59 201	1.66 15	0.03 1	0.07 29	2.81 153	0.82 229	4.07 49	2.30 19	0.41 26	1.12 29	0.30 26	0.40 36	7.05 212	0.49 45	0.00 1	0.00 1	0.00 1	0.17 339	0.10 202	0.05 156

ccc-4	1.12 29	0.57 194	2.06 46	0.03 1	0.07 29	2.80 145	0.84 236	3.71 30	2.27 14	0.38 15	1.06 21	0.20 7	0.40 36	7.12 219	0.49 45	0.00 1	0.00 1	0.00 1	0.16 332	0.09 192	0.06 172

IGEV-Stereo	1.12 29	0.59 201	1.66 15	0.03 1	0.07 29	2.82 156	0.82 229	4.09 51	2.30 19	0.41 26	1.11 26	0.30 26	0.41 42	7.05 212	0.49 45	0.00 1	0.00 1	0.00 1	0.17 339	0.10 202	0.05 156
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IGEV-Stereo++	0.74 2	0.23 12	1.31 6	0.06 8	1.62 299	1.95 63	0.01 2	3.29 16	1.81 9	0.38 15	1.68 46	0.10 1	1.16 110	0.91 7	0.19 5	0.01 176	0.01 144	0.00 1	0.00 1	0.04 101	0.01 16

AIO-Stereo	0.94 14	0.22 10	1.20 4	0.06 8	0.08 42	2.36 90	0.62 183	5.50 136	2.61 31	0.30 8	3.32 84	0.41 40	0.25 9	1.12 15	0.17 4	0.00 1	0.01 144	0.00 1	0.35 393	0.06 148	0.12 263

iRaft-Stereo_5w	2.86 198	0.86 274	4.08 236	0.06 8	0.25 133	2.76 141	0.60 178	4.97 94	4.10 128	2.98 90	7.85 225	10.17 329	4.17 261	8.16 281	5.83 327	0.00 1	0.00 1	0.00 1	0.01 238	0.26 327	0.06 172

rvit_stereo_0080	0.88 9	0.51 171	3.12 157	0.07 11	0.12 69	1.31 14	0.37 121	3.78 37	3.29 82	0.56 39	1.13 30	0.40 38	0.76 73	1.71 42	0.47 42	0.00 1	0.00 1	0.00 1	0.00 1	0.01 8	0.04 123

whm_eth	0.88 9	0.51 171	3.12 157	0.07 11	0.12 69	1.31 14	0.37 121	3.78 37	3.29 82	0.56 39	1.13 30	0.40 38	0.76 73	1.71 42	0.47 42	0.00 1	0.00 1	0.00 1	0.00 1	0.01 8	0.04 123

Selective-IGEV	1.23 41	0.18 2	1.13 2	0.07 11	0.17 92	2.38 94	0.54 159	6.10 158	2.51 25	0.41 26	3.20 82	0.26 19	0.29 17	6.94 207	0.16 2	0.00 1	0.01 144	0.00 1	0.11 319	0.04 101	0.10 238

CREStereo	0.98 16	0.42 123	1.86 26	0.07 11	0.22 125	1.65 40	0.02 10	4.07 49	6.33 229	0.72 44	1.54 40	0.43 43	0.64 65	1.22 22	0.44 29	0.00 1	0.00 1	0.00 1	0.00 1	0.01 8	0.00 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
trnet	0.99 19	0.37 89	1.89 28	0.08 15	0.19 114	1.68 45	0.02 10	4.12 52	6.41 232	0.70 43	1.57 41	0.46 46	0.67 66	1.15 17	0.41 25	0.00 1	0.01 144	0.00 1	0.00 1	0.01 8	0.01 16

test_4	2.38 154	0.34 66	2.68 99	0.08 15	0.11 60	3.69 228	1.14 271	3.33 19	3.34 88	4.03 119	17.35 374	3.31 141	0.51 53	6.28 167	1.15 145	0.00 1	0.00 1	0.00 1	0.11 319	0.16 267	0.01 16

4D-IteraStereo	1.72 71	0.86 274	3.01 140	0.09 17	2.86 358	3.57 220	1.06 264	3.92 43	5.31 178	5.28 154	1.02 20	3.92 169	0.38 34	1.83 51	1.04 134	0.00 1	0.01 144	0.00 1	0.00 1	0.07 164	0.09 217

GMOStereo	1.81 81	0.47 153	2.09 52	0.10 18	0.27 142	1.49 26	0.89 247	4.40 57	4.51 147	8.16 292	6.97 193	2.96 123	1.15 104	1.42 25	0.88 114	0.00 1	0.14 355	0.00 1	0.00 1	0.23 316	0.03 82

error version	1.81 81	0.47 153	2.09 52	0.10 18	0.27 142	1.49 26	0.89 247	4.40 57	4.51 147	8.16 292	6.97 193	2.96 123	1.15 104	1.42 25	0.88 114	0.00 1	0.14 355	0.00 1	0.00 1	0.23 316	0.03 82

test-v	1.81 81	0.47 153	2.09 52	0.10 18	0.27 142	1.49 26	0.89 247	4.40 57	4.51 147	8.16 292	6.97 193	2.96 123	1.15 104	1.42 25	0.88 114	0.00 1	0.14 355	0.00 1	0.00 1	0.23 316	0.03 82

test-2	1.81 81	0.47 153	2.09 52	0.10 18	0.27 142	1.49 26	0.89 247	4.40 57	4.51 147	8.16 292	6.97 193	2.96 123	1.15 104	1.42 25	0.88 114	0.00 1	0.14 355	0.00 1	0.00 1	0.23 316	0.03 82

rvit_stereo_0081_aga	0.76 4	0.51 171	3.29 169	0.11 22	0.25 133	1.73 53	0.22 87	3.68 28	2.54 29	0.26 6	0.16 3	0.27 21	0.30 23	1.31 23	0.36 19	0.00 1	0.00 1	0.00 1	0.00 1	0.12 233	0.04 123

s12784h	1.89 96	0.30 31	2.57 89	0.11 22	0.09 47	4.18 259	0.13 53	6.61 187	7.44 265	3.62 108	4.28 111	0.59 56	0.81 82	6.61 190	0.46 37	0.01 176	0.01 144	0.00 1	0.00 1	0.02 36	0.00 1

Pointernet	0.84 8	0.35 75	2.00 41	0.12 24	0.13 73	1.77 54	0.06 21	4.87 87	2.53 27	0.14 1	2.11 59	0.76 60	0.44 48	1.02 12	0.32 13	0.00 1	0.04 265	0.00 1	0.15 329	0.02 36	0.01 16

RSM	1.21 39	0.20 3	1.30 5	0.12 24	0.06 22	2.48 101	0.51 156	3.78 37	2.74 40	0.48 34	2.38 67	2.18 104	0.28 15	6.77 197	0.56 55	0.00 1	0.00 1	0.00 1	0.16 332	0.07 164	0.05 156

Patchmatch Stereo++	1.95 103	0.40 107	2.86 126	0.12 24	0.18 104	3.74 235	0.66 193	5.24 116	2.96 52	5.86 171	4.32 112	3.46 146	1.52 136	6.88 200	0.70 73	0.01 176	0.00 1	0.00 1	0.00 1	0.08 175	0.09 217
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	1.88 93	0.40 107	2.86 126	0.12 24	0.19 114	3.75 238	0.71 206	5.23 110	2.96 52	5.86 171	4.33 114	3.45 144	1.51 131	5.40 140	0.69 71	0.01 176	0.00 1	0.00 1	0.00 1	0.08 175	0.09 217

ROB_FTStereo_v2	1.91 99	0.41 117	2.85 124	0.12 24	0.19 114	3.71 230	0.73 211	5.23 110	2.95 50	5.86 171	4.36 117	3.46 146	1.51 131	5.86 151	0.69 71	0.01 176	0.00 1	0.00 1	0.00 1	0.08 175	0.08 204

ROB_FTStereo	1.90 97	0.42 123	2.86 126	0.12 24	0.19 114	3.71 230	0.75 216	5.24 116	2.95 50	5.87 176	4.26 110	3.41 142	1.51 131	5.80 148	0.65 65	0.01 176	0.00 1	0.00 1	0.00 1	0.08 175	0.08 204

HUI-Stereo	1.80 80	0.41 117	2.85 124	0.12 24	0.18 104	3.72 233	0.65 191	5.23 110	2.97 56	5.87 176	4.34 115	3.45 144	1.52 136	3.93 97	0.65 65	0.02 249	0.00 1	0.00 1	0.00 1	0.08 175	0.10 238

THIR-Stereo	3.86 284	0.77 253	2.62 95	0.12 24	0.13 73	4.25 260	6.63 400	5.30 123	4.18 133	10.33 356	17.13 369	6.58 267	7.62 359	7.78 253	3.51 281	0.01 176	0.07 302	0.07 376	0.00 1	0.11 219	0.02 49

DRaft	3.74 271	0.43 134	2.60 91	0.12 24	0.15 82	4.76 277	1.34 286	5.33 125	4.31 136	10.30 355	21.91 394	3.27 139	8.83 375	7.36 232	3.66 289	0.05 313	0.10 328	0.00 1	0.14 326	0.10 202	0.14 276

iGMRVC	1.96 106	0.40 107	2.88 131	0.12 24	0.19 114	3.74 235	0.73 211	5.23 110	2.97 56	5.87 176	4.37 118	3.48 150	1.52 136	6.73 196	0.74 82	0.02 249	0.00 1	0.00 1	0.00 1	0.08 175	0.08 204

iRAFT	1.95 103	0.40 107	2.86 126	0.12 24	0.18 104	3.74 235	0.66 193	5.24 116	2.96 52	5.86 171	4.32 112	3.46 146	1.52 136	6.88 200	0.70 73	0.01 176	0.00 1	0.00 1	0.00 1	0.08 175	0.09 217

RAFT-IKP	1.90 97	0.42 123	2.83 121	0.12 24	0.18 104	3.50 210	0.64 188	5.24 116	2.96 52	5.86 171	4.34 115	3.50 153	1.51 131	5.99 155	0.76 89	0.01 176	0.00 1	0.00 1	0.00 1	0.08 175	0.08 204

DeepStereo_RVC	2.05 115	0.39 98	2.87 130	0.14 36	0.17 92	3.51 212	0.70 203	5.21 109	3.00 58	6.27 206	4.13 106	3.47 149	4.53 284	4.81 118	1.49 170	0.01 176	0.00 1	0.00 1	0.00 1	0.09 192	0.18 300

Occ-G	0.98 16	0.38 94	1.82 24	0.15 37	0.18 104	1.45 25	0.69 200	3.15 14	2.25 13	1.45 61	0.59 14	5.06 220	0.54 58	0.75 4	0.77 95	0.00 1	0.03 241	0.00 1	0.17 339	0.16 267	0.01 16

IPLGR	2.28 141	0.51 171	6.00 328	0.15 37	0.15 82	1.99 68	0.22 87	6.34 170	6.04 212	6.80 230	5.76 156	2.87 120	2.31 173	4.88 120	1.28 154	0.00 1	0.00 1	0.00 1	0.00 1	0.09 192	0.18 300

UGAM	3.90 288	0.48 160	4.69 271	0.17 39	0.08 42	3.67 224	1.22 276	4.81 85	14.45 378	4.59 131	11.94 313	14.20 371	3.80 247	9.92 355	3.61 287	0.00 1	0.00 1	0.00 1	0.02 259	0.32 344	0.07 190

U	2.12 119	0.25 15	2.47 82	0.17 39	8.09 433	10.63 374	0.00 1	3.08 11	0.87 1	0.24 3	0.45 13	0.17 3	0.08 1	0.69 2	0.15 1	0.00 1	0.00 1	9.89 439	5.19 449	0.01 8	0.01 16

CAS++	1.18 36	0.55 188	1.99 39	0.17 39	0.27 142	1.85 58	0.63 184	8.48 231	3.07 64	1.71 67	2.32 66	0.18 4	0.20 4	1.91 57	0.30 10	0.00 1	0.01 144	0.00 1	0.00 1	0.02 36	0.01 16
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DEmStereo	3.79 278	0.37 89	3.69 201	0.17 39	0.17 92	5.28 291	2.54 321	4.35 56	3.70 99	8.21 297	20.15 385	5.13 223	10.38 392	7.65 243	3.85 294	0.01 176	0.01 144	0.01 299	0.00 1	0.02 36	0.06 172

DIP-Stereo	1.97 107	0.64 215	2.95 135	0.17 39	0.10 52	4.83 279	0.13 53	8.60 239	4.06 127	6.42 216	4.92 126	0.44 45	0.72 70	3.57 87	1.80 200	0.00 1	0.01 144	0.00 1	0.00 1	0.05 127	0.04 123
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RAStereo	0.68 1	0.42 123	3.15 160	0.18 44	0.52 209	1.17 5	0.02 10	3.16 15	0.98 4	0.51 37	1.43 37	0.16 2	0.22 7	0.75 4	0.83 103	0.00 1	0.00 1	0.00 1	0.00 1	0.07 164	0.02 49

knoymous	1.36 52	0.21 7	1.68 19	0.20 45	0.49 200	1.58 33	0.11 38	5.15 105	2.40 22	4.62 132	1.77 49	4.56 200	0.45 49	3.23 79	0.63 64	0.00 1	0.02 195	0.00 1	0.00 1	0.02 36	0.01 16

HHNet	2.59 176	0.55 188	2.55 87	0.20 45	0.32 159	2.84 159	0.94 254	5.77 147	5.14 174	7.33 263	13.80 336	0.94 63	3.20 210	5.27 136	2.41 240	0.13 351	0.02 195	0.06 370	0.00 1	0.23 316	0.03 82

TestStereo	1.74 74	1.02 304	3.64 199	0.20 45	0.28 148	1.33 16	0.01 2	5.24 116	4.01 119	3.18 94	4.97 128	2.07 103	0.70 67	7.32 228	0.75 87	0.02 249	0.00 1	0.00 1	0.00 1	0.01 8	0.00 1

WCG-NET（raft）	1.49 60	0.50 166	1.55 10	0.21 48	0.08 42	2.15 78	1.01 260	2.72 7	6.26 225	2.79 82	3.06 79	4.38 195	1.04 96	3.53 86	0.26 8	0.00 1	0.12 343	0.00 1	0.00 1	0.10 202	0.08 204

fff	2.28 141	0.61 206	3.81 212	0.22 49	0.07 29	1.69 46	0.11 38	5.37 129	11.84 358	5.80 165	5.17 134	1.44 77	5.41 314	2.00 59	1.92 209	0.00 1	0.00 1	0.00 1	0.00 1	0.02 36	0.18 300

csc	2.28 141	0.61 206	3.81 212	0.22 49	0.07 29	1.69 46	0.11 38	5.37 129	11.84 358	5.80 165	5.17 134	1.44 77	5.41 314	2.00 59	1.92 209	0.00 1	0.00 1	0.00 1	0.00 1	0.02 36	0.18 300

cscssc	2.28 141	0.61 206	3.81 212	0.22 49	0.07 29	1.69 46	0.11 38	5.37 129	11.84 358	5.80 165	5.17 134	1.44 77	5.41 314	2.00 59	1.92 209	0.00 1	0.00 1	0.00 1	0.00 1	0.02 36	0.18 300

111	2.78 189	0.92 290	3.81 212	0.22 49	0.07 29	2.83 158	0.70 203	6.03 155	14.00 374	3.22 97	8.93 242	5.48 233	3.30 214	3.66 88	2.03 218	0.00 1	0.00 1	0.00 1	0.00 1	0.10 202	0.29 344

HCRNet	2.56 172	0.53 181	3.35 174	0.24 53	3.39 373	2.19 80	0.23 91	6.89 198	5.50 183	5.26 153	4.79 121	5.27 225	2.78 195	7.71 248	2.89 255	0.00 1	0.02 195	0.00 1	0.00 1	0.04 101	0.04 123

ProNet	1.20 37	0.60 203	2.00 41	0.26 54	0.08 42	2.73 134	0.68 196	5.00 98	2.52 26	0.29 7	1.32 34	0.37 37	0.36 29	6.94 207	0.44 29	0.00 1	0.07 302	0.00 1	0.00 1	0.17 276	0.07 190

RCA-Stereo	1.99 108	0.34 66	2.71 105	0.26 54	0.06 22	2.29 86	0.48 141	4.89 88	14.65 380	2.81 84	5.51 153	0.78 61	3.21 211	1.44 30	0.33 14	0.00 1	0.01 144	0.00 1	0.00 1	0.07 164	0.02 49

STrans-v2	3.43 251	0.73 242	4.82 275	0.26 54	0.60 216	3.00 172	1.19 275	10.41 287	7.22 258	5.79 164	10.97 297	6.75 270	7.03 348	8.25 290	1.40 163	0.00 1	0.01 144	0.00 1	0.00 1	0.03 79	0.18 300

PMTNet	1.41 54	0.37 89	2.06 46	0.26 54	0.15 82	2.94 168	0.34 117	3.39 20	5.33 180	1.00 50	1.27 33	0.28 24	0.93 88	4.04 101	0.74 82	5.00 430	0.00 1	0.00 1	0.00 1	0.03 79	0.01 16

CRE-IMP	1.95 103	0.35 75	2.68 99	0.27 58	0.17 92	3.90 247	0.85 242	5.14 103	2.87 46	5.74 162	4.14 107	3.49 151	0.83 83	6.40 174	1.80 200	0.00 1	0.00 1	0.00 1	0.00 1	0.10 202	0.19 310

plain	1.34 49	0.51 171	5.09 291	0.30 59	0.05 14	1.58 33	0.08 30	4.47 65	3.77 106	0.42 30	1.76 48	0.60 57	0.74 71	6.11 159	0.94 125	0.00 1	0.00 1	0.00 1	0.00 1	0.40 363	0.02 49

SPstereo	0.95 15	0.62 211	1.99 39	0.30 59	0.03 9	1.66 41	0.01 2	4.43 62	3.00 58	1.63 65	1.17 32	1.39 74	0.76 73	1.31 23	0.55 54	0.00 1	0.03 241	0.00 1	0.00 1	0.12 233	0.02 49

DCANet-4	2.03 113	0.34 66	5.30 304	0.31 61	0.18 104	1.69 46	0.12 44	4.95 91	8.55 304	5.78 163	5.17 134	1.12 69	2.82 198	2.11 64	1.92 209	0.00 1	0.00 1	0.00 1	0.00 1	0.02 36	0.18 300

ADStereo(finetuned)	2.26 140	0.64 215	5.22 301	0.31 61	0.18 104	1.71 51	0.25 97	5.23 110	8.46 299	6.06 186	5.30 148	1.41 75	6.37 334	1.87 54	1.87 203	0.00 1	0.00 1	0.00 1	0.00 1	0.04 101	0.18 300

DCANet	2.08 117	0.64 215	3.81 212	0.31 61	0.17 92	1.70 50	0.25 97	5.23 110	8.47 300	6.07 187	5.30 148	1.41 75	4.23 264	1.85 52	2.02 217	0.00 1	0.00 1	0.00 1	0.00 1	0.04 101	0.19 310

IGEVStereo-DCA	1.06 26	0.45 145	2.06 46	0.32 64	0.06 22	2.74 135	0.84 236	3.71 30	2.27 14	0.39 21	0.16 3	0.20 7	0.29 17	6.47 179	0.87 111	0.00 1	0.00 1	0.00 1	0.16 332	0.06 148	0.06 172

rrr	1.05 25	0.45 145	3.18 162	0.32 64	0.06 22	2.74 135	0.95 257	3.49 24	1.12 5	0.39 21	0.16 3	0.20 7	0.29 17	6.47 179	0.87 111	0.00 1	0.00 1	0.00 1	0.21 356	0.06 148	0.10 238

MIPNet	2.06 116	0.69 234	4.57 266	0.32 64	0.21 122	1.92 61	0.19 79	6.89 198	5.64 192	5.48 158	4.02 103	2.02 101	3.50 225	3.32 81	2.01 215	0.00 1	0.01 144	0.01 299	0.01 238	0.20 295	0.13 271

CrosDoStereo	3.96 293	0.45 145	3.04 147	0.32 64	0.20 119	3.28 194	11.63 433	5.76 144	4.45 143	9.04 326	16.58 359	4.99 214	7.45 353	8.04 266	3.72 290	0.00 1	0.02 195	0.01 299	0.00 1	0.16 267	0.10 238

DeepStereo_LL	3.96 293	0.45 145	3.04 147	0.32 64	0.20 119	3.28 194	11.63 433	5.76 144	4.45 143	9.04 326	16.58 359	4.99 214	7.45 353	8.04 266	3.72 290	0.00 1	0.02 195	0.01 299	0.00 1	0.16 267	0.10 238

MaDis-Stereo	0.80 5	0.69 234	3.02 142	0.33 69	1.83 320	1.22 6	0.06 21	3.41 22	1.49 6	0.31 10	0.38 12	0.42 42	0.51 53	1.14 16	1.21 150	0.00 1	0.00 1	0.00 1	0.00 1	0.05 127	0.05 156

Anonymous3	1.76 75	0.44 139	6.37 340	0.33 69	0.50 203	4.33 263	0.54 159	4.43 62	2.48 23	2.21 71	3.24 83	1.53 83	1.14 102	5.64 143	1.29 155	0.17 360	0.23 392	0.00 1	0.00 1	0.12 233	0.15 285

CFNet_pseudo	2.81 191	0.42 123	4.04 231	0.33 69	0.24 130	2.59 118	0.12 44	8.20 222	7.66 272	7.04 245	10.42 281	6.56 265	2.05 162	4.88 120	1.53 174	0.00 1	0.02 195	0.01 299	0.00 1	0.05 127	0.07 190

ccs_rob	2.81 191	0.42 123	4.06 233	0.33 69	0.25 133	2.59 118	0.12 44	8.19 221	7.68 273	7.02 242	10.37 280	6.54 261	2.06 163	4.88 120	1.53 174	0.00 1	0.02 195	0.01 299	0.00 1	0.05 127	0.07 190

TANstereo	1.20 37	0.49 164	2.04 44	0.34 73	0.10 52	1.80 56	0.01 2	3.40 21	4.10 128	4.37 124	4.82 122	0.41 40	0.70 67	0.94 9	0.46 37	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

SFCPSM	3.29 231	0.43 134	5.11 292	0.34 73	0.94 256	8.48 345	2.15 314	14.51 383	5.29 177	7.00 241	7.65 219	3.43 143	2.59 184	5.11 131	2.37 237	0.01 176	0.03 241	0.01 299	0.07 301	0.13 248	0.15 285

LL-Strereo2	1.86 88	0.83 270	2.33 69	0.36 75	0.17 92	3.79 242	1.52 293	5.82 149	4.04 122	4.43 125	2.51 69	4.23 184	0.37 32	5.66 144	0.99 130	0.00 1	0.02 195	0.00 1	0.05 293	0.06 148	0.11 250

CREStereo++_RVC	1.59 64	0.39 98	2.26 66	0.36 75	0.01 1	1.67 42	0.01 2	2.95 9	8.12 288	3.69 111	7.44 210	0.47 47	0.32 26	0.74 3	0.39 23	0.00 1	0.00 1	0.00 1	3.03 437	0.00 1	0.00 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
IGEV-Stereo+	1.69 68	0.43 134	1.59 12	0.37 77	3.10 360	2.10 74	0.07 26	1.86 2	0.91 3	0.39 21	0.03 1	0.20 7	0.41 42	7.05 212	0.16 2	0.02 249	0.07 302	0.00 1	0.18 345	5.14 429	9.77 450

iRaft-Stereo_20w	2.56 172	0.35 75	4.98 283	0.37 77	0.67 227	3.47 203	0.59 175	12.57 354	3.89 110	6.10 189	6.23 174	1.49 81	2.24 168	6.65 193	0.86 109	0.00 1	0.19 382	0.00 1	0.33 388	0.08 175	0.22 319

LoS	0.91 13	0.34 66	2.10 56	0.38 79	0.13 73	2.47 99	0.26 99	5.00 98	2.74 40	0.89 48	0.21 7	0.49 48	0.36 29	1.97 58	0.67 69	0.02 249	0.02 195	0.00 1	0.00 1	0.06 148	0.01 16
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
PCWNet_CMD	2.99 210	0.39 98	4.02 228	0.39 80	0.26 140	2.53 106	0.15 65	9.24 254	9.22 311	7.12 249	11.53 308	6.94 272	2.41 176	4.02 100	1.33 158	0.01 176	0.02 195	0.02 330	0.00 1	0.05 127	0.07 190

MSMDNet	2.99 210	0.39 98	4.02 228	0.40 81	0.25 133	2.53 106	0.16 70	9.35 258	9.25 312	7.08 247	11.39 303	6.93 271	2.43 177	4.01 99	1.34 160	0.01 176	0.02 195	0.02 330	0.00 1	0.05 127	0.07 190

LoS_RVC	1.26 43	1.43 349	1.91 30	0.42 82	3.77 392	1.71 51	0.04 15	2.58 5	2.49 24	0.42 30	2.58 70	0.30 26	0.57 62	1.71 42	0.66 68	0.01 176	0.02 195	0.00 1	0.00 1	0.02 36	4.49 428

CES	1.56 63	0.35 75	1.44 8	0.42 82	7.70 432	2.66 131	0.13 53	4.89 88	2.53 27	0.25 4	1.10 25	0.33 35	0.31 24	1.61 40	0.58 60	0.01 176	0.02 195	0.00 1	0.00 1	0.54 373	6.26 435

ARAFT	3.13 221	1.11 320	7.34 362	0.42 82	0.14 78	4.52 272	2.99 334	7.41 209	5.97 207	8.85 320	7.06 203	5.20 224	1.25 118	8.49 301	1.44 166	0.00 1	0.03 241	0.00 1	0.00 1	0.33 347	0.11 250

WCG-NET	1.31 47	0.53 181	1.77 21	0.43 85	0.33 162	2.05 71	0.43 132	4.68 81	4.48 146	3.21 96	0.90 19	2.34 108	1.15 104	3.50 85	0.24 7	0.00 1	0.01 144	0.00 1	0.00 1	0.12 233	0.01 16

IGEV-BASED-STEREO-	4.24 313	25.07 448	26.53 442	0.44 86	0.07 29	1.50 30	0.54 159	2.09 3	1.57 7	0.51 37	0.62 15	0.21 15	0.20 4	1.44 30	0.53 52	12.03 451	0.01 144	0.00 1	0.08 305	1.75 413	9.69 448

rvit_0105_5	1.48 59	0.89 282	5.43 308	0.46 87	0.04 11	1.60 35	0.60 178	4.65 78	5.90 201	0.76 45	1.59 42	1.75 91	0.78 79	4.20 106	0.88 114	0.00 1	0.00 1	0.00 1	0.00 1	0.01 8	0.06 172

BUS	2.49 167	0.32 43	3.05 152	0.46 87	0.46 189	7.12 326	0.50 153	9.05 248	4.69 157	6.11 190	6.15 168	5.29 226	0.83 83	3.91 94	1.77 197	0.01 176	0.03 241	0.03 347	0.00 1	0.04 101	0.00 1

BSDual-CNN	2.69 180	0.32 43	3.05 152	0.46 87	0.46 189	7.13 328	1.63 299	9.05 248	4.69 157	6.11 190	6.15 168	6.26 255	2.54 180	3.91 94	1.91 207	0.01 176	0.03 241	0.03 347	0.00 1	0.04 101	0.00 1

hknet	3.31 234	0.42 123	4.68 270	0.46 87	1.17 275	7.13 328	1.63 299	9.05 248	6.91 246	6.11 190	6.15 168	9.66 321	2.85 200	7.48 238	2.45 242	0.01 176	0.03 241	0.03 347	0.00 1	0.04 101	0.00 1

CroCo-Stereo	0.99 19	0.89 282	3.19 163	0.46 87	0.44 183	0.38 1	0.05 18	4.61 72	3.95 114	0.48 34	1.78 50	1.01 65	0.27 13	1.11 14	1.07 135	0.01 176	0.00 1	0.00 1	0.00 1	0.05 127	0.04 123
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
rvit_stereo_0083	1.03 23	0.26 19	3.09 155	0.49 92	0.09 47	1.27 11	0.24 92	2.72 7	4.60 154	0.38 15	0.77 17	0.78 61	1.18 112	4.35 109	0.33 14	0.00 1	0.00 1	0.00 1	0.00 1	0.01 8	0.03 82

test_xeample3	1.08 27	0.43 134	3.39 178	0.49 92	0.05 14	2.58 115	0.93 252	3.32 18	1.77 8	0.23 2	0.23 8	0.19 5	0.28 15	6.34 171	0.85 106	0.00 1	0.01 144	0.00 1	0.26 375	0.06 148	0.10 238

gcap-zeroshot	1.87 92	0.44 139	4.24 241	0.53 94	0.51 206	3.12 183	0.75 216	6.42 179	3.91 112	3.75 113	1.67 45	7.79 289	0.55 59	2.61 71	0.53 52	0.02 249	0.21 388	0.00 1	0.23 362	0.00 1	0.05 156

CFNet_ucs	3.07 215	0.44 139	4.05 232	0.54 95	0.37 170	3.08 177	0.19 79	9.80 269	8.49 302	7.64 274	12.62 326	5.67 240	1.76 154	4.96 126	1.51 171	0.00 1	0.04 265	0.01 299	0.00 1	0.09 192	0.11 250

psmg	3.10 219	0.32 43	3.05 152	0.54 95	0.46 189	8.68 349	2.84 332	9.87 270	4.69 157	8.08 289	8.69 238	6.26 255	2.54 180	3.91 94	1.91 207	0.01 176	0.04 265	0.06 370	0.00 1	0.11 219	0.00 1

IPLG	2.43 158	0.66 225	4.77 274	0.54 95	0.31 157	3.01 173	0.26 99	6.15 161	5.55 187	7.69 275	6.21 172	1.89 96	1.74 151	7.19 224	2.35 235	0.01 176	0.01 144	0.00 1	0.00 1	0.24 326	0.12 263

IGEV++	1.14 35	0.51 171	1.66 15	0.55 98	0.08 42	2.52 103	1.01 260	6.51 184	3.16 69	0.59 41	2.11 59	0.43 43	1.18 112	1.44 30	0.79 98	0.00 1	0.05 275	0.00 1	0.05 293	0.11 219	0.11 250

GLC_STEREO	0.75 3	0.29 27	1.19 3	0.55 98	0.01 1	1.98 66	0.57 173	3.07 10	3.02 61	0.90 49	1.48 38	0.19 5	0.40 36	0.93 8	0.36 19	0.00 1	0.01 144	0.00 1	0.00 1	0.04 101	0.02 49

ACRE	2.41 155	1.08 313	5.11 292	0.55 98	2.05 329	2.65 129	0.78 225	5.26 121	4.67 156	7.59 272	9.20 249	1.70 88	1.08 97	3.74 89	2.18 227	0.01 176	0.18 377	0.02 330	0.08 305	0.22 310	0.10 238

sAnonymous2	1.35 50	1.66 370	8.14 373	0.55 98	0.46 189	1.23 7	0.24 92	4.00 47	3.47 92	0.40 24	1.11 26	0.23 16	1.42 127	0.96 10	0.57 56	0.01 176	0.00 1	0.00 1	0.20 352	2.07 417	0.22 319

CroCo_RVC	1.35 50	1.66 370	8.14 373	0.55 98	0.46 189	1.23 7	0.24 92	4.00 47	3.47 92	0.40 24	1.11 26	0.23 16	1.42 127	0.96 10	0.57 56	0.01 176	0.00 1	0.00 1	0.20 352	2.07 417	0.22 319

GMStereo	1.83 86	0.99 300	4.55 263	0.57 103	0.05 14	2.53 106	0.01 2	4.95 91	11.14 348	3.52 106	2.24 63	0.53 52	0.49 51	3.76 90	0.80 101	0.20 367	0.00 1	0.00 1	0.12 322	0.12 233	0.00 1
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MGS-Stereo	1.10 28	0.26 19	2.45 76	0.58 104	0.06 22	1.84 57	0.67 195	2.16 4	3.42 90	1.03 51	6.13 167	0.49 48	0.36 29	1.43 29	0.62 62	0.00 1	0.00 1	0.00 1	0.00 1	0.47 371	0.00 1

IER	3.20 226	0.54 186	5.13 294	0.58 104	1.59 296	7.29 331	0.56 165	6.36 171	4.95 167	7.44 267	8.84 239	6.20 253	6.26 331	4.88 120	3.29 270	0.00 1	0.00 1	0.00 1	0.00 1	0.02 36	0.01 16

Former-RAFT_DAM_RVC	1.26 43	0.42 123	2.36 72	0.59 106	1.26 279	2.43 98	0.01 2	3.29 16	7.76 278	1.71 67	2.78 73	0.27 21	0.32 26	1.16 19	0.58 60	0.04 301	0.01 144	0.00 1	0.00 1	0.04 101	0.10 238

rvit_stereo_0075_2	2.00 109	0.32 43	5.49 312	0.60 107	1.98 326	1.77 54	0.10 34	7.24 204	5.70 193	2.90 87	4.06 104	3.11 133	0.56 60	5.32 137	0.76 89	0.00 1	0.00 1	0.00 1	0.00 1	0.03 79	0.16 296

rvit_0105_6	1.26 43	0.87 276	4.85 277	0.61 108	0.07 29	1.60 35	0.32 112	3.79 40	5.87 199	0.25 4	0.26 9	1.09 68	0.29 17	4.60 115	0.62 62	0.00 1	0.00 1	0.00 1	0.00 1	0.01 8	0.06 172

rvit_0105_4	1.38 53	0.98 298	5.52 316	0.61 108	0.05 14	1.62 38	0.41 129	3.95 46	5.80 197	0.31 10	0.73 16	1.37 73	0.53 57	4.89 124	0.78 96	0.00 1	0.00 1	0.00 1	0.00 1	0.01 8	0.04 123

rvit_stereo_0081	0.88 9	0.28 24	1.81 22	0.62 110	0.13 73	1.34 17	0.12 44	3.14 12	4.59 152	0.43 32	0.30 10	0.54 53	0.11 2	3.89 92	0.36 19	0.00 1	0.00 1	0.00 1	0.00 1	0.01 8	0.01 16

rvit_stereo_0082	0.88 9	0.28 24	1.81 22	0.62 110	0.13 73	1.34 17	0.12 44	3.14 12	4.59 152	0.43 32	0.30 10	0.54 53	0.11 2	3.89 92	0.36 19	0.00 1	0.00 1	0.00 1	0.00 1	0.01 8	0.01 16

IPLGR_C	2.44 160	1.17 328	4.94 281	0.62 110	2.08 330	2.65 129	0.80 226	5.60 138	4.79 163	7.87 283	9.23 251	1.67 87	1.15 104	3.43 83	2.23 229	0.01 176	0.19 382	0.02 330	0.08 305	0.22 310	0.10 238

CIPLG	2.47 166	1.10 317	4.71 273	0.63 113	2.15 335	2.67 132	0.77 220	5.19 108	4.73 160	7.85 282	9.56 264	1.72 89	1.14 102	4.20 106	2.34 233	0.01 176	0.19 382	0.02 330	0.09 313	0.23 316	0.08 204

HSM-Net_RVC	4.20 308	0.32 43	2.76 113	0.63 113	0.69 229	6.95 324	1.69 303	11.96 331	8.36 296	8.83 319	12.17 319	15.18 378	4.21 262	6.91 203	3.30 271	0.02 249	0.02 195	0.00 1	0.00 1	0.01 8	0.01 16
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CASnet	0.98 16	0.32 43	1.62 14	0.65 115	0.07 29	2.11 76	0.14 60	3.50 25	4.03 120	3.77 114	1.41 36	0.31 30	0.29 17	0.80 6	0.57 56	0.01 176	0.00 1	0.00 1	0.00 1	0.04 101	0.01 16
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-BAT	1.77 76	0.49 164	2.78 116	0.66 116	0.16 86	3.76 239	0.80 226	3.72 35	3.27 79	3.68 110	5.03 131	3.66 160	0.56 60	5.82 149	0.65 65	0.00 1	0.05 275	0.00 1	0.24 365	0.01 8	0.01 16

iRaftStereo_RVC	1.62 65	0.68 229	1.98 37	0.67 117	0.05 14	2.99 171	0.04 15	5.36 128	3.74 102	3.82 115	4.96 127	2.54 112	0.62 64	3.35 82	0.97 128	0.00 1	0.07 302	0.00 1	0.00 1	0.30 337	0.27 341

dd	2.16 125	1.22 331	4.82 275	0.68 118	0.12 69	1.39 23	0.17 74	5.14 103	11.22 351	2.70 81	3.51 95	1.52 82	1.23 117	5.08 129	3.96 297	0.12 349	0.01 144	0.04 359	0.21 356	0.07 164	0.01 16

EAI-Stereo	2.31 145	0.44 139	2.72 107	0.68 118	0.56 212	3.51 212	2.62 326	11.42 314	4.14 131	2.09 70	7.23 207	1.21 72	0.91 86	5.67 145	1.51 171	0.01 176	0.25 398	0.00 1	0.88 417	0.04 101	0.26 337

PSM-AAD	3.33 242	0.20 3	1.47 9	0.73 120	0.54 210	2.55 110	6.19 390	4.97 94	3.27 79	10.92 370	11.92 312	2.95 122	9.59 386	7.90 259	0.82 102	0.01 176	0.01 144	0.00 1	0.00 1	0.04 101	2.47 419

AnonymousM	2.71 183	6.75 425	0.98 1	0.73 120	0.06 22	2.41 96	0.53 157	5.30 123	3.05 62	4.75 139	2.09 57	1.89 96	1.01 91	1.88 56	0.51 51	0.01 176	0.02 195	17.42 445	4.76 445	0.02 36	0.01 16

KYRaft	3.59 261	0.31 34	1.84 25	0.76 122	0.46 189	2.29 86	4.04 359	4.75 83	3.25 78	8.93 325	19.47 383	6.62 268	5.07 306	7.79 254	0.71 77	0.01 176	0.00 1	0.00 1	0.01 238	0.04 101	5.38 433

rvit_0105_3	1.71 70	0.90 285	5.93 326	0.78 123	0.02 3	1.62 38	1.69 303	5.15 105	5.99 209	2.22 72	1.64 44	1.97 100	1.17 111	4.19 105	0.92 124	0.00 1	0.00 1	0.00 1	0.00 1	0.02 36	0.03 82

PFNet+	2.35 150	0.31 34	3.69 201	0.79 124	0.17 92	3.15 188	0.75 216	4.52 67	6.30 226	7.90 286	6.34 180	2.53 111	1.18 112	7.72 250	1.62 184	0.03 283	0.00 1	0.00 1	0.00 1	0.01 8	0.03 82

MoCha-V2	1.41 54	0.42 123	2.61 93	0.81 125	0.23 129	2.53 106	0.20 82	4.81 85	3.16 69	0.82 47	3.15 80	0.30 26	1.61 144	6.66 194	0.40 24	0.00 1	0.20 386	0.00 1	0.24 365	0.05 127	0.02 49

MSKI-zero shot	2.00 109	0.36 83	2.15 58	0.81 125	0.25 133	2.69 133	0.29 105	6.16 162	2.34 21	4.31 122	7.52 211	3.70 163	0.25 9	8.42 298	0.41 25	0.01 176	0.13 351	0.00 1	0.25 369	0.03 79	0.02 49

GwcNet-ADL	2.65 179	0.48 160	3.84 218	0.82 127	0.33 162	2.04 70	0.69 200	8.07 219	9.42 316	6.05 184	6.66 186	4.14 181	1.73 149	5.40 140	3.01 259	0.08 336	0.06 289	0.00 1	0.00 1	0.06 148	0.03 82

GMM-Stereo	3.32 240	0.27 23	2.52 84	0.82 127	0.48 197	2.27 85	4.91 377	5.06 100	3.08 65	7.06 246	16.72 362	6.21 254	3.70 237	7.60 241	1.16 147	0.04 301	0.00 1	0.00 1	0.04 289	0.10 202	4.45 426

RAFT+CT+SA	2.36 152	0.71 238	2.46 79	0.83 129	2.26 342	3.18 189	0.93 252	6.82 197	5.48 182	2.55 78	8.07 228	1.64 85	1.59 143	8.54 303	1.15 145	0.02 249	0.00 1	0.00 1	0.38 395	0.19 291	0.36 354

rvit_stereo_ft	1.00 21	0.78 258	3.84 218	0.84 130	0.36 168	1.23 7	0.24 92	3.81 41	3.76 105	0.37 14	0.87 18	0.74 59	1.12 99	1.18 20	0.76 89	0.00 1	0.00 1	0.00 1	0.00 1	0.02 36	0.06 172

ACVNet	2.58 175	0.53 181	2.69 101	0.84 130	0.59 214	2.61 121	0.55 163	8.35 223	5.70 193	4.45 126	9.26 259	5.77 242	3.50 225	2.24 65	4.41 303	0.00 1	0.00 1	0.00 1	0.00 1	0.17 276	0.01 16

CASS	2.44 160	0.44 139	3.56 191	0.85 132	0.38 172	3.14 185	0.22 87	9.64 265	4.00 117	6.78 228	7.62 217	3.57 156	3.58 230	3.80 91	1.10 139	0.02 249	0.01 144	0.00 1	0.00 1	0.05 127	0.01 16
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
RSM++	1.02 22	0.24 14	1.33 7	0.86 133	0.04 11	2.78 142	0.30 110	2.63 6	2.67 34	0.48 34	1.95 54	0.52 50	0.25 9	5.50 142	0.57 56	0.00 1	0.00 1	0.00 1	0.17 339	0.11 219	0.09 217

PS-NSSS	3.90 288	1.84 379	4.55 263	0.87 134	2.95 359	4.10 257	2.00 311	10.77 297	8.23 293	6.75 226	14.63 347	5.01 218	2.24 168	8.41 297	2.91 256	0.33 383	0.03 241	0.83 417	0.00 1	0.82 392	0.70 386

UGAM-zero	3.51 255	0.33 56	4.44 253	0.88 135	0.65 224	3.52 215	0.16 70	11.35 312	2.71 37	5.09 149	5.82 158	15.28 379	9.14 381	8.38 294	1.61 183	0.00 1	0.16 369	0.00 1	0.46 404	0.02 36	0.19 310

test-1	1.82 85	0.45 145	5.42 307	0.89 136	0.41 179	2.14 77	0.56 165	5.75 142	4.15 132	3.28 99	5.11 132	3.61 157	0.70 67	1.53 36	1.56 178	0.02 249	0.34 404	0.00 1	0.08 305	0.02 36	0.30 346

hitnet-ft	3.66 266	0.65 219	2.79 119	0.89 136	0.72 235	4.25 260	0.55 163	9.11 251	7.52 267	7.14 250	10.19 274	12.49 359	4.70 291	7.44 234	4.41 303	0.03 283	0.00 1	0.06 370	0.00 1	0.20 295	0.04 123

HH	2.42 156	0.73 242	3.76 206	0.91 138	0.14 78	2.78 142	0.71 206	7.92 217	2.72 38	1.53 63	6.10 165	7.93 293	4.01 253	8.60 307	0.44 29	0.00 1	0.09 319	0.00 1	0.00 1	0.05 127	0.04 123

HanStereo	2.42 156	0.73 242	3.76 206	0.91 138	0.14 78	2.78 142	0.71 206	7.92 217	2.72 38	1.53 63	6.10 165	7.93 293	4.01 253	8.60 307	0.44 29	0.00 1	0.09 319	0.00 1	0.00 1	0.05 127	0.04 123

RAFT	2.57 174	0.76 251	3.09 155	0.91 138	0.09 47	2.41 96	0.94 254	5.35 126	2.65 33	6.11 190	7.21 206	9.43 318	4.30 271	5.73 147	1.77 197	0.00 1	0.12 343	0.00 1	0.02 259	0.46 370	0.08 204

Prome-Stereo	3.65 265	0.29 27	1.92 31	0.91 138	0.49 200	2.07 72	4.75 375	4.41 61	3.23 77	9.32 334	20.63 390	4.06 175	7.19 349	7.70 247	1.17 148	0.00 1	0.00 1	0.00 1	0.00 1	0.05 127	4.72 430

UniTT-Stereo	0.83 7	0.33 56	1.98 37	0.92 142	1.27 281	0.54 3	0.11 38	1.35 1	2.94 49	1.67 66	2.09 57	0.20 7	0.31 24	1.57 37	1.07 135	0.00 1	0.00 1	0.00 1	0.00 1	0.16 267	0.01 16

Selective-RAFT	1.69 68	0.32 43	3.29 169	0.92 142	0.18 104	3.89 246	0.06 21	4.22 53	4.00 117	1.47 62	1.98 55	3.07 131	2.81 197	6.35 173	0.89 119	0.01 176	0.00 1	0.00 1	0.21 356	0.05 127	0.00 1

ICVP	2.32 147	0.38 94	2.89 133	0.92 142	0.70 233	2.55 110	0.87 245	9.97 274	3.99 116	4.13 120	8.97 246	2.71 117	1.69 146	2.52 70	3.52 285	0.05 313	0.24 397	0.01 299	0.01 238	0.11 219	0.13 271
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
dad	4.66 330	1.89 383	5.51 314	0.94 145	0.09 47	2.16 79	0.37 121	7.10 203	14.43 377	10.13 354	16.84 363	14.97 376	1.90 157	6.82 198	4.15 300	1.09 413	0.11 336	4.08 434	0.46 404	0.17 276	0.06 172

FTStereo	4.55 329	0.36 83	2.18 64	0.94 145	0.38 172	2.60 120	8.82 415	4.98 96	3.17 71	10.88 369	30.35 424	5.60 239	7.60 358	7.62 242	1.55 177	0.17 360	0.00 1	0.05 366	0.00 1	0.03 79	3.80 424

R-Stereo Train	2.44 160	0.32 43	1.93 32	0.94 145	0.16 86	3.67 224	0.61 180	6.37 173	3.08 65	9.14 328	17.44 375	1.80 92	0.77 76	1.76 47	0.70 73	0.00 1	0.01 144	0.00 1	0.00 1	0.01 8	0.03 82

RAFT-Stereo	2.44 160	0.32 43	1.93 32	0.94 145	0.16 86	3.67 224	0.61 180	6.37 173	3.08 65	9.14 328	17.44 375	1.80 92	0.77 76	1.76 47	0.70 73	0.00 1	0.01 144	0.00 1	0.00 1	0.01 8	0.03 82
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CroCo-Stereo Lap2	1.24 42	0.88 279	3.39 178	0.95 149	4.59 413	0.47 2	0.08 30	3.51 27	2.80 43	1.17 59	2.24 63	1.57 84	0.20 4	1.48 33	1.14 144	0.00 1	0.00 1	0.00 1	0.00 1	0.15 261	0.12 263

LCNet	2.85 194	0.42 123	1.90 29	0.95 149	0.56 212	2.07 72	1.60 297	4.99 97	3.57 97	6.05 184	10.59 285	4.59 201	6.79 344	7.46 235	0.72 79	0.01 176	0.00 1	0.01 299	0.77 415	0.30 337	3.57 422

AEACV	0.80 5	0.29 27	1.70 20	0.96 151	0.24 130	2.03 69	0.88 246	3.50 25	0.88 2	0.34 12	0.20 6	0.29 25	2.01 160	1.77 49	0.33 14	0.00 1	0.03 241	0.00 1	0.29 377	0.10 202	0.09 217

test_3	1.88 93	0.22 10	2.75 110	0.96 151	0.22 125	1.28 13	0.77 220	4.62 73	5.87 199	6.55 223	1.84 52	4.28 190	0.45 49	6.48 181	0.76 89	0.00 1	0.01 144	0.00 1	0.28 376	0.17 276	0.14 276

FADNet_RVC	3.91 291	1.67 372	12.95 406	0.96 151	0.75 236	5.71 297	0.54 159	10.83 299	6.60 239	3.46 105	8.09 229	4.10 179	3.40 223	9.43 345	6.33 332	0.36 385	0.44 413	0.17 395	0.46 404	0.91 395	0.95 393

RAFT-Stereo-weight	1.67 67	0.31 34	1.57 11	0.97 154	0.15 82	3.19 190	0.77 220	5.06 100	6.19 224	4.96 143	3.38 90	2.83 118	0.35 28	2.87 74	0.74 82	0.01 176	0.06 289	0.00 1	0.00 1	0.01 8	0.02 49

CoDeX	3.43 251	0.68 229	4.49 256	0.98 155	1.65 302	6.37 311	2.14 313	13.23 367	6.07 213	7.23 257	8.95 243	4.09 177	3.79 246	6.31 169	2.37 237	0.03 283	0.06 289	0.00 1	0.00 1	0.07 164	0.15 285

testlalala	1.50 61	0.41 117	1.67 18	0.98 155	0.31 157	4.00 253	0.90 251	5.26 121	2.17 11	6.56 224	3.61 96	1.74 90	0.38 34	1.21 21	0.42 27	0.00 1	0.02 195	0.00 1	0.29 377	0.01 8	0.01 16

TransformOpticalFlow	3.38 245	0.70 236	4.54 260	1.00 157	0.30 151	3.56 217	0.14 60	9.67 266	7.30 261	5.55 159	13.34 332	6.74 269	5.03 304	8.22 289	1.34 160	0.00 1	0.01 144	0.01 299	0.00 1	0.04 101	0.11 250

test_1	1.85 87	0.21 7	2.45 76	1.02 158	0.22 125	1.37 19	0.82 229	4.66 80	5.06 170	7.02 242	1.73 47	4.09 177	0.41 42	6.51 184	0.76 89	0.00 1	0.00 1	0.00 1	0.29 377	0.18 285	0.14 276

RAFT-345	3.27 229	0.41 117	2.88 131	1.02 158	0.21 122	2.63 126	0.48 141	3.76 36	5.51 185	7.35 264	24.88 409	4.25 186	1.76 154	8.15 280	2.13 222	0.01 176	0.00 1	0.00 1	0.00 1	0.01 8	0.01 16

MyStereo07	1.31 47	0.79 259	1.61 13	1.03 160	1.11 270	2.63 126	0.46 138	5.48 133	2.24 12	0.64 42	1.48 38	0.27 21	0.59 63	7.03 211	0.45 33	0.00 1	0.09 319	0.00 1	0.01 238	0.11 219	0.09 217

MyStereo04	2.95 208	0.79 259	5.38 306	1.03 160	1.11 270	2.63 126	0.46 138	10.00 275	12.44 367	4.19 121	3.91 101	3.04 129	3.60 231	7.34 230	2.74 254	0.00 1	0.09 319	0.00 1	0.01 238	0.11 219	0.09 217

StereoVision	2.25 137	0.72 239	4.00 227	1.03 160	2.64 353	1.91 60	0.28 101	5.83 150	4.43 141	1.89 69	10.65 288	3.88 168	0.52 56	5.13 132	1.98 214	0.00 1	0.00 1	0.00 1	0.00 1	0.09 192	0.03 82

ToySt	2.69 180	0.55 188	7.03 355	1.03 160	0.10 52	3.49 208	1.04 262	6.38 177	4.55 151	2.69 79	6.28 176	7.95 297	4.38 275	5.08 129	2.58 247	0.01 176	0.11 336	0.00 1	0.04 289	0.28 334	0.19 310

test-3	1.86 88	0.21 7	2.46 79	1.03 160	0.22 125	1.38 20	0.83 233	4.65 78	5.04 169	7.26 259	1.78 50	4.10 179	0.41 42	6.53 186	0.76 89	0.00 1	0.00 1	0.00 1	0.29 377	0.18 285	0.14 276

CFNet-RSSM	2.11 118	0.33 56	2.71 105	1.04 165	0.30 151	3.21 192	0.41 129	6.67 190	6.96 248	5.62 160	4.58 119	5.40 231	1.71 147	1.86 53	0.87 111	0.00 1	0.08 312	0.00 1	0.32 386	0.02 36	0.02 49

Gwc-CoAtRS	2.02 112	0.33 56	2.61 93	1.04 165	0.30 151	3.56 217	0.40 128	5.89 152	5.94 204	5.08 148	5.01 130	5.55 234	1.72 148	1.60 39	0.91 121	0.01 176	0.09 319	0.00 1	0.25 369	0.01 8	0.02 49

RAFT-Test	2.17 127	0.36 83	3.40 180	1.05 167	0.34 165	4.90 281	0.69 200	6.27 168	3.98 115	4.65 136	7.02 199	6.30 258	1.12 99	1.81 50	0.99 130	0.01 176	0.17 373	0.00 1	0.34 390	0.02 36	0.02 49

delet	4.27 316	0.72 239	4.50 257	1.07 168	3.75 390	10.79 376	4.04 359	9.95 273	7.89 281	8.09 290	8.89 241	8.46 304	3.81 248	7.56 240	5.80 326	0.00 1	0.00 1	0.00 1	0.00 1	0.11 219	0.02 49

sCroCo_RVC	1.21 39	0.65 219	5.16 297	1.09 169	1.29 284	0.92 4	0.19 79	3.92 43	2.68 36	0.30 8	3.04 77	0.52 50	1.56 141	1.58 38	0.78 96	0.09 341	0.25 398	0.00 1	0.00 1	0.07 164	0.11 250

MyStereo06	2.35 150	0.66 225	4.54 260	1.10 170	0.96 258	2.57 113	0.10 34	9.30 256	4.05 124	5.22 152	6.09 163	5.95 248	2.38 175	3.00 76	0.73 81	0.01 176	0.08 312	0.00 1	0.01 238	0.13 248	0.15 285

MyStereo05	2.94 207	0.66 225	5.25 303	1.10 170	0.96 258	2.57 113	0.10 34	8.53 233	12.34 366	6.28 207	3.88 99	3.18 137	3.30 214	7.81 255	2.37 237	0.01 176	0.08 312	0.00 1	0.01 238	0.13 248	0.15 285

anonymousdsp2	1.78 77	0.39 98	3.40 180	1.10 170	0.04 11	3.63 221	0.50 153	7.80 214	2.77 42	2.91 88	2.88 74	3.17 136	1.01 91	5.15 133	0.43 28	0.00 1	0.01 144	0.02 330	0.15 329	0.05 127	0.12 263

raft_robust	2.64 178	1.20 330	2.62 95	1.10 170	0.28 148	1.50 30	0.12 44	6.28 169	9.04 309	6.80 230	7.19 205	3.73 165	2.13 164	9.06 331	1.07 135	0.03 283	0.12 343	0.00 1	0.21 356	0.17 276	0.22 319

NRIStereo	2.14 122	0.35 75	2.65 98	1.10 170	0.14 78	3.05 176	0.86 243	5.35 126	3.18 74	6.24 201	3.36 89	4.17 183	1.82 156	8.12 277	2.01 215	0.00 1	0.10 328	0.00 1	0.00 1	0.12 233	0.19 310

cross-raft	2.03 113	0.35 75	2.78 116	1.10 170	0.16 86	3.77 240	0.48 141	7.03 202	3.75 103	5.06 147	5.55 154	6.26 255	1.41 126	1.75 46	0.89 119	0.01 176	0.07 302	0.00 1	0.19 350	0.03 79	0.03 82

DeepPruner_ROB	3.52 256	1.14 325	4.06 233	1.12 176	1.65 302	3.65 223	0.83 233	13.96 375	4.47 145	7.80 279	10.84 292	7.05 278	2.16 167	8.14 279	3.08 262	0.07 331	0.03 241	0.00 1	0.01 238	0.32 344	0.06 172

EGLCR-Stereo	1.04 24	0.20 3	2.00 41	1.14 177	0.16 86	2.50 102	0.11 38	4.96 93	2.61 31	0.79 46	0.07 2	1.46 80	0.37 32	3.96 98	0.23 6	0.01 176	0.05 275	0.00 1	0.00 1	0.00 1	0.07 190

LL-Strereo	4.71 331	1.64 368	7.51 367	1.15 178	4.31 402	3.71 230	1.45 289	9.21 253	8.36 296	8.37 303	8.17 231	10.82 342	11.36 398	12.51 389	4.82 312	0.00 1	0.12 343	0.00 1	0.00 1	0.31 342	0.32 349

MIM_Stereo	2.50 170	0.75 248	4.26 242	1.18 179	0.11 60	3.08 177	0.33 115	6.07 157	3.28 81	5.01 145	10.12 273	4.29 192	1.74 151	8.06 273	1.27 153	0.00 1	0.12 343	0.00 1	0.01 238	0.18 285	0.15 285

SGM-Forest	4.96 333	0.32 43	2.84 123	1.21 180	0.64 223	10.23 367	6.64 401	11.55 318	10.98 346	10.94 372	13.59 334	11.65 354	4.30 271	8.94 327	4.63 307	0.11 346	0.04 265	0.00 1	0.00 1	0.05 127	0.46 369
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
H2IRNET	2.16 125	0.45 145	2.60 91	1.22 181	0.03 9	1.98 66	0.13 53	4.73 82	7.04 253	1.15 57	7.79 224	5.88 246	3.39 221	4.97 127	1.45 168	0.01 176	0.00 1	0.04 359	0.17 339	0.19 291	0.03 82

test_xeample	4.13 302	0.36 83	2.75 110	1.23 182	0.51 206	3.96 251	0.13 53	12.63 355	7.65 271	7.49 269	10.86 294	3.29 140	3.36 216	6.71 195	21.53 429	0.02 249	0.03 241	0.00 1	0.00 1	0.03 79	0.04 123

anonymousa	3.80 280	0.55 188	3.35 174	1.24 183	3.74 386	9.04 353	0.36 119	6.74 193	4.03 120	7.72 277	19.64 384	10.62 337	6.01 329	1.52 35	1.40 163	0.00 1	0.00 1	0.00 1	0.05 293	0.00 1	0.03 82

model_zeroshot	1.52 62	0.42 123	4.10 237	1.25 184	0.11 60	3.04 175	0.14 60	5.79 148	2.84 45	3.12 93	3.65 97	2.05 102	0.42 46	2.38 67	0.71 77	0.01 176	0.10 328	0.00 1	0.20 352	0.02 36	0.04 123

RAFT_R40	2.71 183	0.33 56	3.00 138	1.26 185	0.30 151	3.83 244	1.00 259	5.69 141	4.29 135	9.69 343	6.33 179	5.02 219	4.02 255	8.58 306	0.86 109	0.01 176	0.00 1	0.00 1	0.00 1	0.03 79	0.02 49

LALA_ROB	6.58 362	1.80 378	6.25 336	1.26 185	0.94 256	10.08 364	9.02 417	16.00 398	11.51 355	12.74 388	13.02 329	24.77 422	5.25 310	10.56 365	8.02 357	0.04 301	0.05 275	0.00 1	0.02 259	0.10 202	0.25 332

DualNet (step1)	3.91 291	1.11 320	6.15 333	1.27 187	0.60 216	5.22 287	2.54 321	10.66 292	7.73 275	8.36 299	7.55 213	6.55 262	4.27 266	6.58 188	1.62 184	1.49 420	0.03 241	3.10 429	2.99 434	0.20 295	0.15 285

test_sample9	5.87 344	1.11 320	6.15 333	1.27 187	0.60 216	5.22 287	2.54 321	10.66 292	7.73 275	8.36 299	7.55 213	6.55 262	4.27 266	11.68 380	11.44 399	1.49 420	24.31 467	3.10 429	2.99 434	0.20 295	0.15 285

test_sample8	7.99 388	1.11 320	6.15 333	1.27 187	0.60 216	5.22 287	2.54 321	12.04 334	6.15 219	17.46 410	9.02 248	24.67 421	18.16 419	11.68 380	11.44 399	1.49 420	24.31 467	3.10 429	2.99 434	0.20 295	0.15 285

RAFT_CTSACE	3.40 248	1.07 311	4.52 258	1.27 187	3.14 361	4.00 253	1.07 266	3.93 45	4.43 141	4.66 137	17.94 378	7.21 283	2.76 194	10.82 369	0.85 106	0.00 1	0.07 302	0.00 1	0.00 1	0.30 337	0.01 16

RAFT-Stereo + iAFF	2.12 119	0.58 199	2.43 74	1.27 187	0.16 86	1.60 35	0.14 60	5.17 107	5.90 201	7.10 248	10.10 272	3.06 130	1.74 151	1.87 54	0.97 128	0.01 176	0.02 195	0.00 1	0.00 1	0.23 316	0.02 49

CBMV_ROB	4.14 303	0.52 177	3.14 159	1.30 192	0.77 239	6.92 323	1.97 310	10.11 281	9.58 319	8.92 323	14.20 341	7.12 280	5.90 326	8.65 309	3.50 280	0.01 176	0.05 275	0.00 1	0.00 1	0.04 101	0.09 217

SST-Stereo	2.75 187	0.31 34	2.78 116	1.33 193	0.33 162	3.99 252	0.82 229	5.60 138	3.93 113	10.92 370	6.19 171	5.00 217	4.23 264	8.66 310	0.74 82	0.00 1	0.00 1	0.00 1	0.00 1	0.03 79	0.03 82

pcwnet_v2	4.20 308	0.36 83	8.53 376	1.33 193	1.12 272	3.43 199	0.41 129	12.85 358	14.16 376	9.90 349	14.29 342	5.90 247	3.03 205	6.20 164	2.06 219	0.01 176	0.05 275	0.04 359	0.02 259	0.16 267	0.18 300

ffm	2.90 203	0.31 34	3.97 221	1.34 195	0.98 260	2.80 145	0.48 141	4.53 68	10.19 330	6.29 209	9.23 251	5.59 235	3.72 242	8.00 263	0.46 37	0.00 1	0.02 195	0.00 1	0.00 1	0.10 202	0.04 123

ff1	3.45 254	0.31 34	3.97 221	1.34 195	0.98 260	2.80 145	0.48 141	4.53 68	10.19 330	6.29 209	9.23 251	5.59 235	3.72 242	10.11 356	9.35 378	0.00 1	0.02 195	0.00 1	0.00 1	0.10 202	0.04 123

mmx	3.86 284	0.31 34	3.97 221	1.34 195	0.98 260	2.80 145	0.48 141	12.18 342	10.66 342	6.29 209	9.23 251	5.59 235	3.72 242	10.11 356	9.35 378	0.05 313	0.02 195	0.00 1	0.00 1	0.03 79	0.04 123

xxx	3.86 284	0.31 34	3.98 225	1.34 195	0.98 260	2.80 145	0.48 141	12.18 342	10.66 342	6.29 209	9.23 251	5.59 235	3.72 242	10.11 356	9.35 378	0.05 313	0.02 195	0.00 1	0.00 1	0.03 79	0.04 123

DSFCA	4.21 310	0.50 166	5.45 310	1.34 195	1.68 307	7.04 325	4.51 370	10.73 296	7.00 250	10.78 367	6.80 189	8.48 306	4.63 288	9.91 354	5.12 315	0.02 249	0.06 289	0.02 330	0.03 272	0.08 175	0.03 82

NaN_ROB	6.00 351	1.24 334	6.29 337	1.34 195	1.68 307	9.60 361	10.31 426	15.09 389	15.79 387	12.62 386	8.95 243	11.67 355	5.83 324	11.78 383	6.41 334	0.05 313	0.13 351	0.08 379	0.20 352	0.22 310	0.79 388

Any-RAFT	2.18 129	0.25 15	1.94 34	1.37 201	0.80 241	5.01 284	0.56 165	8.51 232	5.58 190	4.01 118	4.85 124	5.44 232	2.26 172	2.45 69	0.35 17	0.00 1	0.15 361	0.00 1	0.00 1	0.02 36	0.02 49

riskmin	1.88 93	0.15 1	2.11 57	1.38 202	0.88 248	2.40 95	0.04 15	5.93 153	6.10 214	2.25 73	1.34 35	6.06 250	5.08 307	2.78 73	1.01 133	0.00 1	0.02 195	0.00 1	0.00 1	0.01 8	0.06 172

MLCV	3.44 253	0.88 279	5.60 318	1.39 203	0.25 133	4.36 266	0.33 115	7.25 205	7.28 260	9.17 330	12.24 322	5.09 221	2.47 178	9.15 334	3.23 267	0.00 1	0.00 1	0.00 1	0.00 1	0.10 202	0.02 49

Anonymous_2	4.14 303	0.62 211	3.21 164	1.40 204	1.43 292	5.19 286	0.32 112	6.63 188	4.38 139	4.48 129	2.30 65	8.08 298	7.00 346	5.37 138	2.29 231	0.23 371	0.75 420	5.20 436	18.12 461	5.66 431	0.23 325

qqq	1.93 101	0.30 31	2.96 137	1.40 204	0.05 14	1.96 65	0.39 125	8.45 227	3.33 85	3.06 91	3.84 98	4.67 203	2.70 188	4.40 110	0.96 126	0.00 1	0.01 144	0.00 1	0.00 1	0.02 36	0.03 82

MMNet	4.16 306	0.77 253	5.47 311	1.40 204	1.67 305	10.78 375	0.63 184	8.64 241	8.47 300	8.80 318	8.33 232	7.51 284	6.61 338	7.53 239	6.54 337	0.00 1	0.00 1	0.00 1	0.00 1	0.03 79	0.05 156

IGEV_Zeroshot_test	2.13 121	0.50 166	4.91 280	1.41 207	0.18 104	2.62 124	0.36 119	7.80 214	3.87 108	5.04 146	5.42 150	4.77 206	1.03 94	3.43 83	0.79 98	0.00 1	0.16 369	0.00 1	0.18 345	0.17 276	0.04 123

RYNet	6.34 357	0.89 282	5.88 323	1.41 207	4.48 410	15.97 408	4.18 362	13.41 368	16.49 390	10.81 368	7.00 198	14.33 372	8.72 373	9.43 345	13.71 411	0.00 1	0.01 144	0.00 1	0.00 1	0.02 36	0.07 190

PSMNet-ADL	2.98 209	0.43 134	2.41 73	1.43 209	0.40 176	5.94 304	0.28 101	8.45 227	5.13 173	3.36 103	6.77 188	8.41 302	4.61 287	7.20 225	4.55 306	0.02 249	0.09 319	0.00 1	0.00 1	0.01 8	0.03 82

RAFT + AFF	4.30 318	1.55 360	5.84 322	1.43 209	2.36 344	5.94 304	6.72 402	10.01 276	7.56 268	7.55 270	8.96 245	7.09 279	6.73 342	8.57 305	4.02 298	0.02 249	0.47 416	0.00 1	0.01 238	0.56 374	0.54 377

FADNet-RVC-Resample	3.79 278	1.62 366	12.06 394	1.43 209	0.66 225	5.94 304	2.41 317	10.18 283	8.58 305	6.28 207	4.22 109	5.33 230	4.80 298	7.71 248	3.19 265	0.17 360	0.21 388	0.17 395	0.12 322	0.41 366	0.29 344

ETE_ROB	5.80 343	1.77 376	6.33 338	1.44 212	0.78 240	6.43 313	6.90 404	12.53 352	8.08 287	12.93 392	14.89 349	21.13 416	5.87 325	9.83 352	6.57 338	0.04 301	0.01 144	0.00 1	0.02 259	0.08 175	0.33 350

1111x	4.25 314	0.30 31	4.31 245	1.47 213	0.37 170	5.10 285	0.32 112	12.86 359	9.82 324	6.01 182	9.73 268	8.78 310	5.97 328	9.43 345	10.39 389	0.06 322	0.03 241	0.00 1	0.00 1	0.02 36	0.04 123

222	5.36 340	0.40 107	2.72 107	1.50 214	0.48 197	6.15 307	0.07 26	13.73 373	8.06 286	8.79 316	11.03 298	3.71 164	4.21 262	7.47 237	38.74 459	0.03 283	0.02 195	0.00 1	0.00 1	0.04 101	0.05 156

CFNet-ft	3.31 234	0.94 295	2.69 101	1.50 214	2.38 345	2.81 153	0.68 196	8.35 223	7.43 263	4.45 126	9.94 270	10.20 330	4.60 285	6.50 183	3.41 273	0.00 1	0.00 1	0.03 347	0.00 1	0.22 310	0.03 82

CFNet_RVC	3.31 234	0.94 295	2.69 101	1.50 214	2.38 345	2.81 153	0.68 196	8.35 223	7.43 263	4.45 126	9.94 270	10.20 330	4.60 285	6.49 182	3.41 273	0.00 1	0.00 1	0.03 347	0.00 1	0.22 310	0.03 82

DCVSM-stereo	3.13 221	0.37 89	2.95 135	1.51 217	0.80 241	2.75 140	0.49 151	6.79 195	5.25 176	11.43 377	5.57 155	10.79 341	5.30 311	5.25 134	2.95 257	0.03 283	0.09 319	0.03 347	0.00 1	0.12 233	0.09 217

CBFPSM	4.87 332	0.94 295	14.70 413	1.51 217	1.15 274	11.49 381	2.55 325	7.28 206	6.47 234	6.23 200	4.83 123	15.30 380	8.99 378	6.88 200	8.20 363	0.03 283	0.02 195	0.00 1	0.00 1	0.40 363	0.42 361

AIO-Stereo-zeroshot	2.86 198	0.99 300	7.52 368	1.52 219	0.92 252	2.94 168	0.03 14	9.31 257	3.81 107	2.42 77	5.86 160	9.23 315	4.64 289	4.31 108	2.19 228	0.02 249	0.18 377	0.00 1	0.54 408	0.35 351	0.35 352

Wz-Net-LNSev	6.46 359	1.93 384	16.44 419	1.52 219	4.15 400	12.66 394	4.96 378	13.05 363	12.10 363	10.55 364	16.23 357	11.32 351	7.19 349	8.43 299	8.48 367	0.00 1	0.01 144	0.00 1	0.00 1	0.08 175	0.06 172

AIO-Stereo-zeroshot1	3.58 260	1.29 343	12.46 398	1.53 221	0.98 260	3.48 206	0.81 228	11.99 332	4.40 140	4.33 123	11.05 299	8.83 311	2.02 161	4.52 112	1.66 188	0.01 176	0.14 355	0.00 1	0.68 412	0.86 394	0.44 365

GMStereo_Zeroshot	2.77 188	1.98 386	5.14 295	1.53 221	0.36 168	3.56 217	0.10 34	5.57 137	5.91 203	6.89 237	7.02 199	8.50 308	0.91 86	6.01 156	1.65 187	0.00 1	0.00 1	0.00 1	0.00 1	0.20 295	0.01 16

CSP-Net	4.12 301	1.28 341	3.70 204	1.54 223	1.06 267	13.28 400	2.33 316	12.96 361	5.45 181	8.87 321	8.54 237	8.43 303	3.03 205	8.16 281	3.65 288	0.00 1	0.00 1	0.00 1	0.00 1	0.18 285	0.03 82

ADCP+	8.09 389	1.79 377	14.50 411	1.54 223	4.28 401	16.57 410	5.20 381	12.80 357	11.20 350	12.83 391	17.07 368	11.02 348	10.80 395	17.59 422	23.18 437	0.03 283	0.05 275	0.01 299	0.18 345	0.39 360	0.81 389

GrayStereo	3.74 271	0.20 3	1.94 34	1.55 225	0.60 216	3.12 183	8.22 412	5.76 144	3.32 84	10.40 359	16.66 361	5.81 245	8.60 372	6.57 187	1.37 162	0.01 176	0.00 1	0.01 299	0.63 409	0.02 36	0.04 123

RAFT-RH_RVC	3.96 293	0.46 151	2.93 134	1.55 225	0.42 182	3.14 185	0.14 60	3.70 29	5.98 208	11.25 375	32.23 428	5.29 226	1.68 145	8.13 278	2.14 223	0.08 336	0.00 1	0.00 1	0.03 272	0.01 8	0.00 1

AFF-stereo	2.59 176	0.68 229	2.35 71	1.55 225	0.17 92	1.67 42	0.08 30	5.75 142	6.60 239	6.20 198	12.13 317	6.16 252	2.36 174	4.75 117	1.11 140	0.02 249	0.02 195	0.00 1	0.00 1	0.23 316	0.05 156

BEATNet_4x	3.24 227	1.27 338	5.89 324	1.56 228	0.10 52	5.26 290	1.07 266	10.08 279	5.50 183	6.89 237	7.73 221	4.53 199	4.13 257	5.05 128	5.27 316	0.04 301	0.05 275	0.00 1	0.00 1	0.23 316	0.23 325

ssnet_v2	4.46 321	0.87 276	5.18 298	1.57 229	0.67 227	9.14 354	4.73 374	11.84 326	9.68 320	8.79 316	6.24 175	9.91 324	4.34 274	6.28 167	9.30 377	0.00 1	0.01 144	0.00 1	0.00 1	0.28 334	0.30 346

AE-Stereo	1.44 56	0.32 43	2.69 101	1.58 230	0.20 119	2.24 83	0.59 175	6.01 154	5.70 193	1.18 60	3.17 81	1.02 66	0.78 79	1.73 45	0.83 103	0.02 249	0.18 377	0.00 1	0.29 377	0.11 219	0.07 190

GES	2.49 167	0.38 94	4.29 244	1.58 230	0.05 14	4.58 273	1.07 266	9.70 267	3.39 89	5.21 151	6.64 185	1.84 95	3.36 216	4.86 119	2.54 246	0.06 322	0.01 144	0.06 370	0.01 238	0.12 233	0.03 82

MSMD_ROB	9.28 402	1.09 315	4.65 268	1.58 230	0.39 174	16.52 409	4.41 368	13.60 370	14.87 382	22.34 421	39.89 444	25.67 425	20.71 430	12.42 388	6.98 342	0.34 384	0.03 241	0.00 1	0.00 1	0.05 127	0.09 217

HSM	4.00 298	0.79 259	3.16 161	1.59 233	2.17 336	6.77 320	1.11 269	12.28 344	6.35 231	6.75 226	8.11 230	13.90 368	5.37 313	8.85 323	2.71 250	0.00 1	0.00 1	0.00 1	0.00 1	0.02 36	0.02 49

SA	3.06 214	0.74 246	3.79 209	1.60 234	0.30 151	3.19 190	1.43 288	6.72 192	9.06 310	4.63 135	10.80 290	2.89 121	4.71 292	9.62 351	1.18 149	0.00 1	0.09 319	0.00 1	0.19 350	0.23 316	0.02 49

MyStereo8	2.88 202	1.19 329	5.03 286	1.61 235	3.75 390	4.30 262	0.07 26	6.14 160	6.16 220	6.22 199	9.64 267	4.28 190	1.45 129	2.05 62	4.76 311	0.00 1	0.16 369	0.00 1	0.14 326	0.26 327	0.43 363

NINENet	3.09 216	0.56 192	3.22 165	1.61 235	1.37 290	7.12 326	0.50 153	11.88 328	5.63 191	6.63 225	8.40 234	5.29 226	0.83 83	6.51 184	1.77 197	0.15 354	0.07 302	0.07 376	0.00 1	0.09 192	0.00 1

DMCA	2.82 193	0.64 215	4.45 254	1.61 235	0.89 249	3.86 245	0.57 173	9.18 252	5.10 172	6.24 201	6.49 183	7.17 281	2.13 164	3.31 80	4.73 309	0.00 1	0.01 144	0.00 1	0.00 1	0.04 101	0.02 49

TDLM	4.11 300	1.11 320	3.54 190	1.62 238	1.04 266	3.91 248	7.41 410	10.60 290	10.67 344	6.38 215	12.59 325	5.95 248	4.77 294	8.79 321	3.04 260	0.58 399	0.00 1	0.01 299	0.00 1	0.19 291	0.12 263

CBMV	5.35 339	0.91 287	3.67 200	1.62 238	0.44 183	10.09 365	7.19 408	12.49 351	12.33 365	12.22 383	14.69 348	10.93 346	6.48 336	8.51 302	4.96 313	0.02 249	0.15 361	0.00 1	0.00 1	0.17 276	0.17 298
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
EDNetEfficientorigin	17.87 441	14.00 441	99.53 482	1.64 240	0.92 252	10.55 372	6.26 395	13.21 365	34.84 440	38.20 450	36.91 440	27.47 430	26.32 443	14.71 408	25.69 443	0.04 301	0.06 289	0.14 390	0.52 407	3.16 424	3.27 420

FADNet	4.23 311	1.65 369	11.75 393	1.64 240	0.80 241	4.80 278	0.77 220	13.76 374	11.65 356	3.97 117	5.24 143	9.62 320	5.14 308	8.40 296	3.78 292	0.21 368	0.04 265	0.07 376	0.05 293	1.14 400	0.10 238

DCRE	1.79 78	0.68 229	2.55 87	1.66 242	0.27 142	1.27 11	0.05 18	4.57 71	4.04 122	3.30 101	9.24 256	3.83 167	1.20 115	2.08 63	0.67 69	0.00 1	0.12 343	0.00 1	0.24 365	0.04 101	0.09 217

UNet	3.97 296	0.61 206	6.50 345	1.68 243	3.22 365	9.82 362	0.31 111	9.50 261	5.32 179	7.20 256	6.35 181	10.59 335	5.91 327	6.93 204	5.49 320	0.00 1	0.00 1	0.00 1	0.00 1	0.02 36	0.01 16

SMFormer	3.54 257	0.39 98	3.61 194	1.69 244	0.11 60	2.85 160	0.29 105	12.46 347	10.41 335	7.16 252	10.23 276	4.78 207	4.45 280	8.71 315	3.51 281	0.07 331	0.05 275	0.00 1	0.00 1	0.06 148	0.04 123

tta	3.54 257	0.39 98	3.61 194	1.69 244	0.11 60	2.85 160	0.29 105	12.46 347	10.41 335	7.16 252	10.23 276	4.78 207	4.45 280	8.71 315	3.51 281	0.07 331	0.05 275	0.00 1	0.00 1	0.06 148	0.03 82

qqq1	3.38 245	0.39 98	3.61 194	1.69 244	0.11 60	2.85 160	0.29 105	12.46 347	10.41 335	7.16 252	10.23 276	4.78 207	4.45 280	8.71 315	0.30 10	0.07 331	0.05 275	0.00 1	0.00 1	0.06 148	0.03 82

fff1	3.38 245	0.39 98	3.61 194	1.69 244	0.11 60	2.85 160	0.29 105	12.46 347	10.41 335	7.16 252	10.23 276	4.78 207	4.45 280	8.71 315	0.30 10	0.07 331	0.05 275	0.00 1	0.00 1	0.06 148	0.03 82

xxxx	4.51 325	0.31 34	2.77 114	1.69 244	0.47 196	7.74 341	0.07 26	14.04 376	7.91 283	5.82 168	8.97 246	9.34 316	3.41 224	7.33 229	20.24 424	0.05 313	0.03 241	0.00 1	0.00 1	0.03 79	0.04 123

FADNet-RVC	3.98 297	1.84 379	12.48 400	1.69 244	0.44 183	4.33 263	1.31 284	11.84 326	7.15 257	3.53 107	3.50 94	10.63 338	4.43 278	9.12 332	6.25 331	0.03 283	0.10 328	0.00 1	0.03 272	0.60 380	0.25 332

ASMatch	3.32 240	0.50 166	3.32 172	1.72 250	0.45 188	1.93 62	0.68 196	6.42 179	3.89 110	6.18 196	22.30 397	4.61 202	4.82 299	7.65 243	1.70 190	0.00 1	0.02 195	0.00 1	0.03 272	0.01 8	0.18 300

gwcnet-sp	3.31 234	1.47 352	7.26 359	1.73 251	0.69 229	7.57 337	1.14 271	8.59 235	6.17 221	8.57 309	5.25 145	4.26 187	3.36 216	6.46 176	3.44 275	0.00 1	0.00 1	0.00 1	0.00 1	0.15 261	0.11 250

scenet	3.31 234	1.47 352	7.26 359	1.73 251	0.69 229	7.57 337	1.14 271	8.59 235	6.17 221	8.57 309	5.25 145	4.26 187	3.36 216	6.46 176	3.44 275	0.00 1	0.00 1	0.00 1	0.00 1	0.15 261	0.11 250

ssnet	3.31 234	1.47 352	7.26 359	1.73 251	0.69 229	7.57 337	1.14 271	8.59 235	6.17 221	8.57 309	5.25 145	4.26 187	3.36 216	6.46 176	3.44 275	0.00 1	0.00 1	0.00 1	0.00 1	0.15 261	0.11 250

DisPM	2.43 158	0.32 43	3.04 147	1.76 254	0.18 104	3.46 201	0.65 191	5.13 102	4.88 165	8.59 312	7.04 202	2.84 119	1.03 94	8.85 323	0.83 103	0.01 176	0.00 1	0.00 1	0.00 1	0.01 8	0.02 49

SANet	10.64 414	1.86 381	10.91 388	1.76 254	0.71 234	14.62 404	9.23 419	19.18 422	37.14 444	19.22 414	27.96 416	25.86 426	19.11 425	13.02 395	10.63 391	0.08 336	0.06 289	0.03 347	0.02 259	0.62 381	0.81 389

rvit_105_1	2.44 160	0.80 263	5.08 290	1.77 256	0.09 47	1.95 63	3.62 353	5.62 140	8.21 292	4.85 141	2.07 56	3.15 135	1.58 142	7.08 216	2.71 250	0.00 1	0.00 1	0.00 1	0.01 238	0.04 101	0.08 204

coex-ft	19.78 447	19.39 445	87.73 472	1.77 256	1.80 318	17.25 415	13.50 439	12.63 355	42.10 450	60.18 467	38.90 442	28.72 431	28.74 444	11.74 382	27.40 446	0.21 368	0.23 392	0.04 359	0.30 383	1.36 406	1.54 406

AAGNet	3.41 249	0.34 66	2.45 76	1.78 258	0.39 174	3.69 228	1.05 263	4.79 84	4.61 155	9.62 341	7.74 222	4.98 213	6.38 335	7.34 230	13.02 407	0.00 1	0.00 1	0.00 1	0.00 1	0.03 79	0.04 123

iinet-f	5.94 347	1.60 364	26.88 443	1.79 259	1.38 291	11.92 388	1.47 290	6.80 196	7.11 255	6.90 239	14.43 343	10.64 339	7.97 363	7.00 210	12.12 403	0.02 249	0.03 241	0.05 366	0.00 1	0.63 383	0.02 49

test_sample4	2.87 200	0.40 107	4.54 260	1.80 260	0.54 210	3.95 250	0.15 65	11.48 316	6.49 236	6.33 213	6.81 190	3.68 162	2.65 186	6.11 159	2.36 236	0.02 249	0.01 144	0.00 1	0.00 1	0.04 101	0.05 156

Pruner-Stereo	2.49 167	0.40 107	2.46 79	1.80 260	0.25 133	3.51 212	0.77 220	6.03 155	4.92 166	8.91 322	6.09 163	4.45 196	1.11 98	6.99 209	2.11 220	0.02 249	0.00 1	0.02 330	0.00 1	0.01 8	0.04 123

test_sample5	2.91 205	0.40 107	4.33 246	1.81 262	0.50 203	3.33 196	0.17 74	11.27 308	6.55 237	6.18 196	8.35 233	3.65 158	2.71 191	6.61 190	2.15 224	0.02 249	0.02 195	0.00 1	0.00 1	0.05 127	0.05 156

DualNet	3.05 213	0.40 107	4.33 246	1.81 262	0.50 203	3.33 196	0.17 74	11.27 308	6.55 237	6.50 219	10.86 294	3.65 158	2.71 191	6.61 190	2.15 224	0.02 249	0.02 195	0.00 1	0.00 1	0.05 127	0.05 156

PSM-softLoss	2.24 132	0.34 66	3.42 182	1.81 262	0.17 92	2.74 135	0.39 125	6.17 164	2.92 47	6.26 204	6.29 177	2.96 123	0.97 89	8.68 311	1.71 191	0.00 1	0.00 1	0.00 1	0.00 1	0.02 36	0.02 49

KMStereo	2.24 132	0.34 66	3.42 182	1.81 262	0.17 92	2.74 135	0.39 125	6.17 164	2.92 47	6.26 204	6.29 177	2.96 123	0.97 89	8.68 311	1.71 191	0.00 1	0.00 1	0.00 1	0.00 1	0.02 36	0.02 49

SDNR	7.50 378	2.32 392	15.58 416	1.82 266	0.63 221	44.66 459	0.44 137	8.59 235	9.52 318	9.84 346	25.18 411	5.30 229	4.38 275	11.46 378	6.49 336	0.05 313	0.03 241	0.00 1	0.01 238	1.79 414	1.87 410

CSAN	7.62 379	1.60 364	6.56 346	1.83 267	0.66 225	12.40 393	10.52 429	14.45 382	21.32 413	14.19 398	15.98 355	17.84 395	13.02 408	12.32 387	8.38 365	0.09 341	0.07 302	0.03 347	0.04 289	0.33 347	0.67 385

DPSNet	10.14 410	1.88 382	16.82 420	1.85 268	1.73 311	24.84 430	17.20 453	19.92 431	27.41 425	12.23 385	13.62 335	16.52 387	18.35 420	14.42 405	12.50 405	0.78 404	0.54 419	0.08 379	0.25 369	1.18 401	0.59 382

HBP-ISP	4.09 299	1.05 308	4.10 237	1.87 269	1.31 287	7.56 336	3.98 357	11.26 306	9.94 327	7.81 280	14.44 344	3.23 138	4.27 266	8.89 326	1.87 203	0.06 322	0.06 289	0.00 1	0.00 1	0.06 148	0.04 123

Wz-Net-SNSev	9.23 401	6.70 424	24.28 437	1.87 269	1.81 319	8.57 346	12.29 438	17.37 405	20.39 411	10.43 360	23.11 401	16.66 389	8.03 364	14.47 406	17.86 419	0.00 1	0.02 195	0.01 299	0.00 1	0.41 366	0.30 346

NCCL2	5.88 346	1.59 363	5.44 309	1.87 269	0.92 252	9.55 359	11.55 432	12.11 337	9.94 327	9.67 342	8.85 240	22.28 419	7.41 352	8.78 320	7.17 344	0.01 176	0.00 1	0.03 347	0.00 1	0.13 248	0.23 325

RALCasStereoNet	1.93 101	1.01 302	2.75 110	1.88 272	1.75 313	2.88 165	0.18 77	4.64 77	4.36 138	2.27 74	5.14 133	2.22 105	0.79 81	7.10 218	1.00 132	0.00 1	0.34 404	0.00 1	0.00 1	0.10 202	0.16 296

FC-DCNN	10.72 415	0.52 177	4.27 243	1.88 272	1.63 300	17.18 414	5.29 384	18.20 411	19.69 406	28.50 435	34.51 436	34.03 441	21.48 433	15.89 413	11.15 397	0.03 283	0.01 144	0.02 330	0.01 238	0.07 164	0.09 217

MeshStereo	11.52 419	1.52 358	4.55 263	1.89 274	1.46 293	19.87 424	5.11 380	20.66 434	15.91 388	32.67 441	34.51 436	39.34 448	21.15 431	18.74 426	12.10 402	0.11 346	0.06 289	0.01 299	0.00 1	0.45 369	0.22 319
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
PSMNet_ROB	5.02 336	1.63 367	6.03 329	1.90 275	1.83 320	9.57 360	6.35 397	15.58 396	7.23 259	6.15 195	10.48 283	12.22 357	4.16 260	8.02 265	8.71 370	0.02 249	0.01 144	0.01 299	0.10 317	0.20 295	0.12 263

ACV-stereo	4.46 321	0.76 251	9.94 385	1.91 276	1.06 267	11.61 383	1.28 281	6.25 167	7.09 254	3.09 92	5.21 142	16.88 391	10.23 391	7.96 260	5.47 319	0.06 322	0.15 361	0.01 299	0.00 1	0.12 233	0.14 276

ITSA-stereo	3.76 275	0.54 186	3.80 210	1.91 276	0.29 150	3.09 179	0.70 203	13.22 366	15.64 385	6.79 229	6.66 186	4.15 182	3.52 228	8.30 291	5.00 314	0.09 341	0.07 302	0.11 384	0.10 317	0.18 285	0.95 393

x	1.73 73	0.28 24	2.49 83	1.91 276	0.17 92	2.10 74	0.83 233	8.74 244	3.55 96	3.28 99	2.12 62	3.10 132	1.96 159	2.90 75	1.12 141	0.00 1	0.02 195	0.00 1	0.00 1	0.02 36	0.03 82

Sa-1000	3.55 259	0.75 248	3.63 198	1.91 276	0.30 151	3.55 216	1.63 299	7.39 208	8.54 303	7.70 276	17.44 375	4.00 172	2.82 198	9.44 348	1.33 158	0.00 1	0.10 328	0.00 1	0.18 345	0.21 306	0.04 123

FC-DCNN v2	10.88 416	0.52 177	4.17 239	1.92 280	1.63 300	17.79 418	5.35 385	18.87 418	19.88 407	28.77 436	34.99 438	34.62 443	21.72 434	16.03 416	11.16 398	0.03 283	0.01 144	0.02 330	0.00 1	0.06 148	0.08 204

test_sample6	3.14 223	0.41 117	4.42 251	1.92 280	0.49 200	3.25 193	0.21 85	11.30 310	6.69 241	6.50 219	10.86 294	4.03 173	2.93 204	7.06 215	2.65 248	0.02 249	0.02 195	0.00 1	0.00 1	0.05 127	0.06 172

ADCL	10.16 411	2.11 388	19.36 427	1.92 280	1.88 323	22.23 426	8.91 416	14.04 376	23.56 419	14.62 401	26.19 413	12.75 361	13.59 410	16.06 417	22.95 436	0.26 376	0.18 377	0.75 415	0.65 410	0.69 387	0.58 379

StereoDRNet-Refined	4.46 321	0.62 211	3.80 210	1.92 280	0.40 176	9.35 356	0.15 65	10.02 277	8.83 308	12.69 387	11.62 310	9.34 316	3.87 249	8.06 273	8.02 357	0.00 1	0.00 1	0.01 299	0.05 293	0.20 295	0.26 337
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
FBW_ROB	8.50 395	1.03 306	7.98 372	1.93 284	1.28 283	13.10 398	6.23 393	22.50 436	18.98 399	18.82 413	14.91 350	19.06 404	10.04 389	18.41 424	9.83 385	0.62 401	0.22 390	1.82 426	0.82 416	0.99 398	1.36 403

CVANet_RVC	4.16 306	1.16 327	3.60 193	1.94 285	1.46 293	3.92 249	4.68 373	10.89 301	8.34 295	7.58 271	10.84 292	10.27 332	6.62 339	8.56 304	2.69 249	0.39 388	0.00 1	0.00 1	0.01 238	0.21 306	0.09 217

test_sample3	2.87 200	0.37 89	4.45 254	1.95 286	0.59 214	4.69 276	0.16 70	11.50 317	6.45 233	5.82 168	6.44 182	3.76 166	2.64 185	6.01 156	2.41 240	0.01 176	0.01 144	0.00 1	0.00 1	0.04 101	0.05 156

DispNO	3.25 228	0.72 239	6.85 352	1.95 286	1.34 289	3.49 208	0.84 236	8.14 220	6.30 226	6.34 214	7.76 223	6.30 258	4.28 270	6.93 204	3.51 281	0.00 1	0.03 241	0.03 347	0.12 322	0.07 164	0.07 190

aanetorigin	8.72 397	3.29 408	27.55 444	1.95 286	3.84 393	4.93 283	5.39 386	5.49 135	10.05 329	27.85 434	31.47 427	15.80 381	12.78 405	9.04 330	11.98 401	0.25 374	0.22 390	0.22 400	0.25 369	1.28 404	0.84 391

FCDSN-DC	10.24 412	0.56 192	3.49 188	1.96 289	1.29 284	16.90 413	4.59 372	17.16 404	19.10 401	24.64 431	32.46 432	33.82 440	22.14 436	15.93 414	10.45 390	0.04 301	0.00 1	0.00 1	0.00 1	0.05 127	0.21 317
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AANet_RVC	5.01 335	1.74 374	6.38 341	1.96 289	1.29 284	2.26 84	1.69 303	10.07 278	18.53 397	7.88 284	18.15 379	8.49 307	2.70 188	10.59 366	7.04 343	0.96 411	0.15 361	0.02 330	0.00 1	0.13 248	0.12 263

test_sample7	3.30 232	0.47 153	3.43 185	1.98 291	0.35 167	4.33 263	1.88 309	10.66 292	7.73 275	8.36 299	7.55 213	6.55 262	4.27 266	6.58 188	1.62 184	0.06 322	0.03 241	0.00 1	0.00 1	0.05 127	0.06 172

mmm	2.50 170	0.29 27	3.22 165	1.98 291	0.32 159	3.72 233	0.12 44	9.45 260	4.05 124	5.84 170	10.80 290	2.47 110	2.86 201	4.07 102	0.75 87	0.00 1	0.02 195	0.00 1	0.01 238	0.03 79	0.02 49

MC-Stereo	1.47 58	0.36 83	2.54 86	1.99 293	0.12 69	1.90 59	0.12 44	4.47 65	2.83 44	3.31 102	3.44 92	0.56 55	1.47 130	5.39 139	0.47 42	0.00 1	0.04 265	0.00 1	0.21 356	0.07 164	0.04 123

DAS	3.74 271	0.35 75	5.19 299	1.99 293	3.74 386	2.36 90	3.22 341	7.77 212	9.27 313	8.70 313	12.08 315	4.45 196	5.43 317	8.39 295	1.71 191	0.01 176	0.00 1	0.00 1	0.00 1	0.04 101	0.02 49

SepStereo	3.78 277	0.35 75	5.19 299	1.99 293	3.74 386	2.36 90	3.22 341	7.77 212	9.27 313	8.70 313	12.08 315	4.45 196	5.43 317	9.18 335	1.71 191	0.01 176	0.00 1	0.00 1	0.00 1	0.04 101	0.02 49

TRStereo	2.36 152	3.10 403	4.70 272	1.99 293	2.08 330	2.61 121	1.11 269	8.79 246	3.73 101	3.19 95	3.04 77	3.96 170	0.77 76	5.92 152	1.44 166	0.03 283	0.14 355	0.00 1	0.29 377	0.08 175	0.25 332

psm_up	3.85 283	0.82 268	3.01 140	2.00 297	2.58 352	5.28 291	3.34 345	10.85 300	6.33 229	7.27 260	7.32 209	10.15 328	9.02 379	6.19 162	2.51 244	0.22 370	0.01 144	0.00 1	0.00 1	0.12 233	0.03 82

test_5	2.90 203	0.70 236	3.69 201	2.01 298	3.17 364	4.61 275	1.32 285	6.69 191	7.02 252	2.79 82	7.18 204	4.99 214	4.14 258	7.96 260	1.31 156	0.00 1	0.00 1	0.00 1	0.03 272	0.19 291	0.26 337

GEStereo_RVC	3.74 271	0.73 242	4.95 282	2.01 298	1.24 278	4.36 266	3.07 336	11.77 325	7.80 280	6.87 236	6.52 184	7.70 288	4.31 273	8.98 329	4.19 301	0.03 283	0.01 144	0.02 330	0.02 259	0.13 248	0.11 250

DDVS	3.59 261	0.53 181	4.53 259	2.02 300	1.27 281	6.63 317	0.49 151	8.73 243	4.10 128	7.14 250	7.63 218	12.68 360	2.25 170	8.69 313	4.09 299	0.08 336	0.20 386	0.01 299	0.00 1	0.14 258	0.59 382

fast-acv-ft	5.62 342	1.39 347	7.01 354	2.02 300	1.89 324	12.23 390	1.82 308	7.35 207	9.45 317	10.46 361	20.27 388	14.55 374	7.71 361	7.41 233	7.61 349	0.10 344	0.09 319	0.16 392	0.07 301	0.59 378	0.13 271

GANet-ADL	2.20 131	0.50 166	3.27 168	2.02 300	0.11 60	2.21 82	0.48 141	8.64 241	6.79 244	4.56 130	5.83 159	3.98 171	1.27 119	2.68 72	1.43 165	0.04 301	0.08 312	0.02 330	0.00 1	0.15 261	0.03 82

rafts_anoy	1.72 71	0.79 259	2.58 90	2.03 303	1.75 313	2.47 99	0.16 70	5.48 133	6.01 211	3.24 98	2.11 59	1.92 99	1.33 120	3.08 78	1.13 143	0.01 176	0.18 377	0.00 1	0.01 238	0.03 79	0.07 190

HITNet	2.79 190	0.77 253	4.02 228	2.03 303	0.11 60	5.58 294	0.59 175	9.24 254	5.15 175	6.42 216	7.26 208	3.66 160	2.92 203	4.07 102	3.87 295	0.00 1	0.00 1	0.00 1	0.00 1	0.06 148	0.02 49
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NF-Stereo	2.24 132	0.33 56	3.00 138	2.04 305	0.10 52	3.46 201	0.43 132	6.51 184	3.17 71	6.84 232	5.24 143	2.67 116	1.34 122	8.17 284	1.53 174	0.01 176	0.00 1	0.00 1	0.00 1	0.02 36	0.01 16

OCTAStereo	2.24 132	0.33 56	3.03 144	2.04 305	0.10 52	3.45 200	0.43 132	6.50 181	3.17 71	6.84 232	5.20 139	2.65 113	1.33 120	8.18 285	1.56 178	0.01 176	0.00 1	0.00 1	0.00 1	0.02 36	0.01 16

RE-Stereo	2.25 137	0.33 56	3.03 144	2.04 305	0.10 52	3.47 203	0.43 132	6.50 181	3.18 74	6.84 232	5.20 139	2.65 113	1.34 122	8.18 285	1.58 180	0.01 176	0.00 1	0.01 299	0.00 1	0.02 36	0.01 16

TVStereo	2.25 137	0.33 56	3.03 144	2.04 305	0.10 52	3.47 203	0.43 132	6.50 181	3.18 74	6.84 232	5.20 139	2.65 113	1.34 122	8.18 285	1.58 180	0.01 176	0.00 1	0.01 299	0.00 1	0.02 36	0.01 16

FENet	2.19 130	0.34 66	3.04 147	2.05 309	0.26 140	2.82 156	0.13 53	7.02 201	5.55 187	4.97 144	1.94 53	4.91 212	3.39 221	4.71 116	2.50 243	0.02 249	0.03 241	0.00 1	0.00 1	0.00 1	0.21 317

test_sample2	2.32 147	0.25 15	3.38 176	2.08 310	0.41 179	2.58 115	0.15 65	9.50 261	4.97 168	3.66 109	4.86 125	4.29 192	3.26 212	5.83 150	1.09 138	0.00 1	0.01 144	0.00 1	0.00 1	0.03 79	0.03 82

test_sample1	2.31 145	0.26 19	3.29 169	2.08 310	0.46 189	2.62 124	0.05 18	9.88 271	4.23 134	3.90 116	3.92 102	3.49 151	4.44 279	5.67 145	1.88 205	0.00 1	0.01 144	0.00 1	0.00 1	0.02 36	0.03 82

NOSS_ROB	3.30 232	0.46 151	2.62 95	2.08 310	1.01 265	5.60 295	0.74 214	10.37 285	11.48 354	5.15 150	8.43 235	5.67 240	1.73 149	7.97 262	2.34 233	0.02 249	0.06 289	0.00 1	0.00 1	0.07 164	0.14 276

IRAFT_RVC	2.85 194	0.41 117	3.32 172	2.09 313	0.41 179	2.92 166	5.22 382	6.41 178	3.63 98	6.53 222	5.48 152	5.09 221	4.88 301	8.20 288	2.15 224	0.01 176	0.17 373	0.01 299	0.00 1	0.02 36	0.04 123

ADCPNet	9.54 405	2.39 394	31.46 447	2.09 313	1.60 298	16.71 412	6.39 398	12.11 337	11.45 353	13.53 396	21.45 393	19.41 405	10.94 396	14.38 404	21.54 430	0.27 379	1.16 423	0.39 411	1.49 426	0.58 377	1.45 404

DMCA-RVC	3.17 225	1.26 336	6.39 342	2.10 315	1.51 295	3.02 174	0.56 165	7.84 216	5.06 170	9.23 331	5.19 138	8.46 304	2.72 193	6.31 169	3.22 266	0.06 322	0.11 336	0.09 382	0.02 259	0.16 267	0.08 204

PSMNet-RSSM	3.33 242	0.77 253	3.22 165	2.12 316	1.90 325	2.33 88	0.71 206	11.17 304	5.83 198	5.90 179	11.43 306	7.04 276	4.83 300	5.96 154	3.17 264	0.00 1	0.00 1	0.02 330	0.00 1	0.08 175	0.02 49

SGM-ForestM	16.99 439	1.08 313	5.74 320	2.12 316	0.75 236	31.63 443	12.21 436	27.80 445	32.25 433	37.88 448	39.99 445	52.96 457	35.20 451	33.60 449	24.47 439	0.26 376	0.39 409	0.31 406	0.39 397	0.26 327	0.53 376

PFNet	2.93 206	0.40 107	5.51 314	2.13 318	0.84 245	3.11 182	0.75 216	6.78 194	4.79 163	9.98 351	6.00 161	4.78 207	2.13 164	8.33 292	2.11 220	0.19 364	0.06 289	0.00 1	0.11 319	0.20 295	0.35 352

testlalala_base	3.12 220	0.48 160	2.79 119	2.14 319	1.98 326	4.13 258	0.64 188	6.16 162	2.09 10	2.38 76	4.08 105	1.80 92	0.50 52	1.65 41	0.72 79	12.33 452	2.33 433	0.00 1	0.31 385	14.56 447	1.32 401

raftrobust	1.86 88	0.74 246	1.94 34	2.15 320	2.24 341	2.74 135	0.53 157	4.89 88	4.05 124	6.09 188	3.89 100	1.64 85	2.55 182	2.44 68	1.12 141	0.00 1	0.03 241	0.00 1	0.00 1	0.12 233	0.08 204

FINET	5.32 338	1.14 325	10.04 386	2.17 321	3.67 385	6.49 314	6.76 403	11.68 321	22.08 415	7.42 266	12.15 318	4.24 185	3.61 232	9.25 339	5.35 318	0.04 301	0.04 265	0.00 1	0.00 1	0.17 276	0.09 217

iResNet_ROB	4.23 311	1.02 304	4.90 279	2.18 322	0.93 255	2.92 166	0.37 121	15.10 391	16.91 394	7.89 285	10.51 284	7.03 274	3.07 208	8.16 281	3.46 279	0.01 176	0.00 1	0.00 1	0.00 1	0.10 202	0.02 49

EKT-Stereo	1.91 99	0.48 160	2.77 114	2.19 323	4.36 403	1.42 24	0.24 92	4.63 74	3.51 94	2.94 89	3.47 93	3.55 155	2.25 170	5.26 135	0.85 106	0.04 301	0.12 343	0.00 1	0.09 313	0.06 148	0.05 156

DLCB_ROB	4.51 325	0.91 287	3.78 208	2.19 323	1.07 269	6.28 308	3.09 337	9.78 268	7.72 274	10.65 365	12.97 328	13.91 369	3.71 238	8.72 319	5.30 317	0.00 1	0.00 1	0.00 1	0.00 1	0.03 79	0.10 238

edge stereo	6.76 365	1.01 302	6.76 349	2.20 325	2.45 349	6.41 312	2.45 319	14.84 387	11.98 362	15.29 404	18.31 380	22.02 417	12.56 403	10.82 369	7.49 347	0.03 283	0.06 289	0.11 384	0.03 272	0.30 337	0.14 276

UPFNet	3.82 281	0.47 153	4.34 249	2.21 326	3.38 371	7.26 330	2.69 328	9.89 272	5.96 205	7.98 287	7.53 212	7.89 292	3.15 209	7.72 250	5.88 328	0.01 176	0.02 195	0.00 1	0.00 1	0.04 101	0.06 172

GwcNet-RSSM	3.77 276	1.05 308	5.06 288	2.21 326	1.87 322	2.36 90	1.52 293	8.98 247	7.96 284	5.91 180	14.59 346	7.94 295	3.50 225	6.43 175	5.70 324	0.00 1	0.00 1	0.04 359	0.00 1	0.20 295	0.08 204

ADCMid	10.24 412	3.13 404	20.70 430	2.21 326	2.39 347	11.23 379	6.19 390	14.17 380	11.19 349	23.20 427	22.25 396	17.89 397	19.54 426	18.51 425	26.21 444	0.45 396	0.42 412	1.10 420	1.29 423	1.56 411	1.18 398

ttt	3.86 284	0.23 12	2.34 70	2.22 329	1.68 307	4.36 266	0.28 101	12.45 346	11.09 347	6.90 239	11.85 311	4.08 176	3.28 213	8.47 300	7.85 353	0.06 322	0.04 265	0.00 1	0.00 1	0.03 79	0.03 82

XX-Stereo	2.71 183	0.38 94	5.96 327	2.25 330	2.20 339	1.54 32	0.21 85	5.44 132	3.05 62	2.28 75	16.16 356	7.03 274	0.24 8	6.19 162	0.79 98	0.00 1	0.15 361	0.00 1	0.23 362	0.13 248	0.04 123

tt1	2.14 122	0.63 214	2.22 65	2.27 331	0.02 3	5.71 297	0.63 184	4.53 68	10.19 330	1.16 58	3.39 91	0.33 35	3.05 207	8.00 263	0.46 37	0.00 1	0.02 195	0.00 1	0.03 272	0.10 202	0.04 123

GANet	6.22 354	1.07 311	4.07 235	2.27 331	0.89 249	9.19 355	9.52 420	12.02 333	8.13 289	10.72 366	29.09 420	13.86 367	7.52 357	11.00 372	4.39 302	0.36 385	0.00 1	0.02 330	0.02 259	0.12 233	0.08 204

Wz-Net-TNSev	11.35 418	10.56 438	35.88 452	2.28 333	1.73 311	18.25 419	11.42 431	15.88 397	20.88 412	14.44 399	16.97 366	19.57 406	19.04 424	19.31 428	18.67 421	0.01 176	0.06 289	0.00 1	0.16 332	0.62 381	1.25 400

MFN_U_SF_DS_RVC	9.78 408	4.27 414	14.47 410	2.29 334	2.85 357	23.40 429	13.62 440	13.60 370	19.54 404	19.42 415	24.27 405	16.74 390	8.59 371	17.05 421	7.98 356	1.25 415	1.68 427	0.17 395	2.63 431	0.72 389	1.04 395

ACVNet-DCA	2.01 111	0.65 219	2.15 58	2.30 335	0.02 3	5.80 299	0.56 165	8.45 227	3.33 85	1.03 51	3.33 85	0.32 32	3.71 238	8.05 269	0.45 33	0.00 1	0.02 195	0.00 1	0.03 272	0.02 36	0.03 82

xx1	2.33 149	0.65 219	2.15 58	2.30 335	0.02 3	5.80 299	0.56 165	4.31 54	10.41 335	1.03 51	3.33 85	4.67 203	2.70 188	8.05 269	0.45 33	0.00 1	0.02 195	0.00 1	0.00 1	0.02 36	0.03 82

1test111	1.86 88	0.65 219	2.15 58	2.30 335	0.02 3	5.80 299	0.56 165	8.45 227	3.33 85	1.03 51	3.33 85	0.32 32	3.71 238	4.40 110	0.96 126	0.00 1	0.02 195	0.00 1	0.03 272	0.02 36	0.03 82

cc1	2.17 127	0.65 219	2.15 58	2.30 335	0.02 3	5.80 299	0.56 165	4.31 54	10.41 335	1.03 51	3.33 85	0.32 32	3.71 238	8.05 269	0.45 33	0.00 1	0.02 195	0.00 1	0.03 272	0.10 202	0.05 156

FAT-Stereo	6.78 368	0.68 229	6.80 350	2.30 335	1.77 316	5.63 296	4.20 363	18.79 415	18.62 398	10.53 363	17.15 370	18.52 401	13.74 411	8.86 325	7.38 346	0.03 283	0.15 361	0.01 299	0.07 301	0.12 233	0.26 337

SGM_RVC	10.08 409	0.60 203	3.42 182	2.30 335	0.32 159	19.41 422	6.33 396	18.95 419	14.64 379	25.14 432	24.32 406	33.34 439	18.79 423	19.86 430	12.55 406	0.25 374	0.26 400	0.22 400	0.24 365	0.34 350	0.40 358
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
acv_ft	3.69 268	0.53 181	4.58 267	2.31 341	4.71 415	7.44 334	0.86 243	8.54 234	5.70 193	9.29 333	9.26 259	5.77 242	4.15 259	2.24 65	8.13 362	0.00 1	0.00 1	0.00 1	0.00 1	0.29 336	0.01 16

DN-CSS_ROB	2.69 180	1.40 348	5.34 305	2.31 341	0.75 236	3.14 185	0.06 21	6.11 159	3.87 108	5.34 156	12.18 320	2.34 108	1.22 116	7.84 256	1.48 169	0.03 283	0.00 1	0.00 1	0.00 1	0.35 351	0.03 82

Wz-Net-MNSev	7.43 377	2.35 393	15.22 414	2.34 343	3.41 375	17.27 416	8.55 413	11.91 329	13.48 372	13.37 394	17.05 367	13.70 364	7.47 356	11.90 384	9.99 388	0.40 390	0.03 241	0.00 1	0.01 238	0.16 267	0.07 190

psmorigin	7.34 376	1.58 362	18.31 424	2.35 344	0.87 247	6.72 319	1.70 306	10.63 291	7.14 256	19.77 417	22.71 399	20.13 410	11.34 397	12.96 394	9.49 382	0.04 301	0.17 373	0.06 370	0.17 339	0.21 306	0.50 373

UCFNet_RVC	3.09 216	0.77 253	2.27 67	2.35 344	1.79 317	3.50 210	1.06 264	12.12 339	6.91 246	4.71 138	7.67 220	7.58 285	4.40 277	4.95 125	1.67 189	0.00 1	0.00 1	0.00 1	0.00 1	0.11 219	0.01 16

11t1	1.62 65	0.26 19	2.53 85	2.37 346	0.24 130	2.58 115	0.06 21	6.66 189	3.00 58	3.40 104	3.01 76	1.14 70	1.94 158	4.18 104	0.91 121	0.01 176	0.02 195	0.00 1	0.00 1	0.03 79	0.03 82

Wz-Net-LNSev-Ref	5.98 349	1.55 360	9.92 384	2.40 347	3.22 365	10.28 368	3.14 339	11.64 319	9.79 323	9.54 339	20.22 387	11.16 350	6.77 343	10.61 367	9.16 374	0.06 322	0.00 1	0.00 1	0.00 1	0.03 79	0.04 123

raft+_RVC	1.79 78	0.84 271	2.32 68	2.40 347	0.85 246	1.38 20	0.09 33	6.36 171	4.75 162	2.85 85	5.46 151	1.17 71	1.36 125	4.54 113	0.91 121	0.00 1	0.10 328	0.00 1	0.00 1	0.11 219	0.22 319

PA-Net	4.98 334	1.47 352	7.42 364	2.40 347	2.14 334	8.73 350	3.64 354	12.42 345	13.11 369	7.03 244	7.57 216	7.88 291	6.52 337	10.16 361	7.82 352	0.02 249	0.03 241	0.00 1	0.00 1	0.11 219	1.07 397
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
cf-r	3.42 250	0.81 265	3.97 221	2.41 350	2.78 355	2.85 160	0.64 188	8.44 226	6.32 228	6.25 203	11.57 309	8.97 313	3.54 229	5.93 153	3.83 293	0.00 1	0.00 1	0.00 1	0.00 1	0.09 192	0.07 190

PWC_ROB	8.24 391	3.13 404	12.74 403	2.43 351	4.43 407	7.51 335	1.22 276	16.63 401	19.24 403	16.08 407	28.29 417	13.99 370	10.16 390	13.63 399	14.06 413	0.42 394	0.00 1	0.05 366	0.00 1	0.59 378	0.27 341

XX-TBD	1.44 56	0.85 273	2.04 44	2.45 352	0.05 14	2.34 89	0.01 2	3.46 23	7.51 266	2.88 86	4.98 129	0.26 19	0.25 9	1.15 17	0.46 37	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

Syn2CoEx	6.32 356	2.72 398	9.33 380	2.45 352	1.67 305	8.59 347	3.32 344	18.08 410	12.27 364	8.53 308	21.08 391	10.30 333	9.80 387	9.30 341	7.86 354	0.01 176	0.00 1	0.00 1	0.00 1	0.63 383	0.43 363

CFNet	3.72 270	1.10 317	5.03 286	2.49 354	1.59 296	4.90 281	0.22 87	11.38 313	9.88 326	4.80 140	11.25 302	6.44 260	3.68 234	8.33 292	3.00 258	0.00 1	0.00 1	0.00 1	0.00 1	0.22 310	0.07 190

ADCRef	7.27 375	1.38 346	16.37 417	2.52 355	3.30 369	11.63 384	3.16 340	10.80 298	9.35 315	13.03 393	25.27 412	8.17 299	8.92 377	8.06 273	21.81 432	0.15 354	0.08 312	0.16 392	0.34 390	0.38 356	0.58 379

LMCR-Stereo	3.63 264	1.29 343	4.20 240	2.54 356	0.17 92	8.08 342	1.52 293	11.46 315	4.73 160	8.45 307	10.66 289	1.91 98	5.03 304	7.69 246	3.58 286	0.92 410	0.00 1	0.00 1	0.00 1	0.36 354	0.02 49

WCMA_ROB	9.21 400	0.87 276	7.37 363	2.54 356	2.13 333	13.59 401	5.80 387	11.64 319	14.01 375	24.43 430	32.99 433	27.09 428	18.02 418	12.51 389	9.85 387	0.81 406	0.07 302	0.01 299	0.01 238	0.16 267	0.23 325

RALAANet	2.46 165	1.09 315	3.70 204	2.55 358	0.80 241	3.37 198	0.15 65	7.44 210	5.54 186	5.65 161	6.01 162	3.54 154	1.13 101	6.34 171	1.58 180	0.00 1	0.01 144	0.00 1	0.05 293	0.21 306	0.03 82

XPNet_ROB	6.03 353	1.22 331	5.61 319	2.56 359	0.90 251	6.32 309	7.07 406	12.92 360	8.30 294	14.76 402	15.13 351	19.84 408	6.66 341	10.36 362	8.58 368	0.02 249	0.04 265	0.00 1	0.03 272	0.11 219	0.24 329

GwcNet	6.42 358	1.97 385	10.92 389	2.59 360	5.58 420	11.55 382	2.21 315	14.10 378	16.52 393	10.04 352	17.19 372	10.86 344	5.61 322	9.23 338	8.84 372	0.01 176	0.06 289	0.03 347	0.08 305	0.56 374	0.40 358

SuperB	8.10 390	3.15 406	24.67 438	2.65 361	1.23 277	9.88 363	4.29 365	10.18 283	30.07 430	11.53 379	12.18 320	6.12 251	6.65 340	10.50 364	14.47 415	0.14 352	0.11 336	0.35 408	0.25 369	13.06 445	0.48 370

DRN-Test	5.87 344	0.98 298	5.89 324	2.69 362	3.65 383	12.37 392	3.35 346	20.07 432	10.20 333	11.93 382	12.31 323	11.06 349	5.31 312	7.89 258	9.05 373	0.04 301	0.05 275	0.04 359	0.04 289	0.18 285	0.25 332

UDGNet	2.73 186	7.09 428	3.90 220	2.71 363	0.06 22	2.98 170	0.20 82	4.63 74	8.58 305	2.69 79	2.70 71	0.95 64	1.01 91	6.27 166	1.51 171	1.28 416	0.00 1	5.24 437	0.94 419	1.70 412	0.13 271

STTStereo	3.60 263	0.93 293	6.34 339	2.71 363	2.23 340	3.68 227	0.63 184	9.42 259	6.73 242	9.87 347	6.97 193	8.84 312	3.65 233	6.85 199	3.04 260	0.00 1	0.02 195	0.01 299	0.00 1	0.02 36	0.02 49

NLCA_NET_v2_RVC	3.84 282	1.06 310	5.23 302	2.72 365	3.27 367	4.36 266	0.61 180	10.71 295	7.56 268	8.75 315	7.89 226	9.86 323	3.90 250	7.15 223	3.44 275	0.14 352	0.02 195	0.02 330	0.03 272	0.04 101	0.03 82
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ADLNet2	4.46 321	0.90 285	6.06 330	2.74 366	3.91 395	6.79 321	3.01 335	10.95 303	8.40 298	7.27 260	9.80 269	9.85 322	5.43 317	7.29 227	6.44 335	0.01 176	0.03 241	0.00 1	0.00 1	0.15 261	0.11 250

CRFU-Net	4.45 320	0.67 228	5.02 284	2.78 367	1.32 288	12.67 395	3.35 346	11.26 306	3.52 95	10.06 353	9.30 261	10.91 345	6.92 345	7.26 226	3.24 268	0.15 354	0.16 369	0.16 392	0.00 1	0.26 327	0.05 156

EDNetEfficient	13.82 426	6.19 422	54.79 461	2.83 368	3.60 381	4.86 280	8.57 414	8.61 240	32.90 434	40.77 453	30.59 425	18.33 400	21.87 435	11.38 377	25.36 442	0.15 354	0.23 392	0.06 370	1.03 420	2.54 421	1.79 408

AdaStereo	3.09 216	0.58 199	3.04 147	2.84 369	0.48 197	4.08 255	1.29 283	12.16 341	7.77 279	6.03 183	9.62 265	5.79 244	1.53 140	4.56 114	1.93 213	0.00 1	0.00 1	0.00 1	0.00 1	0.02 36	0.02 49
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
ac_64	3.70 269	0.47 153	3.50 189	2.87 370	3.50 377	5.91 303	0.72 210	10.17 282	4.34 137	8.16 292	5.80 157	10.82 342	5.64 323	7.08 216	4.73 309	0.03 283	0.00 1	0.00 1	0.00 1	0.08 175	0.14 276

iResNetv2_ROB	4.28 317	1.43 349	7.17 358	2.91 371	1.26 279	4.36 266	1.62 298	13.64 372	10.25 334	9.83 345	11.41 304	7.68 287	4.00 252	7.75 252	1.85 202	0.00 1	0.00 1	0.00 1	0.00 1	0.37 355	0.09 217

pmcnn	7.72 384	1.27 338	9.42 382	2.91 371	3.14 361	9.44 357	6.23 393	12.56 353	16.51 391	14.53 400	24.08 404	27.44 429	8.49 370	9.32 342	8.44 366	0.06 322	0.08 312	0.00 1	0.00 1	0.30 337	0.15 285

NCC-stereo	6.77 366	1.49 356	6.48 343	2.92 373	4.40 404	7.43 332	3.61 351	19.52 428	13.29 370	8.39 304	16.91 364	15.96 382	12.13 400	12.85 392	7.70 350	1.47 418	0.11 336	0.01 299	0.42 399	0.14 258	0.24 329

Abc-Net	6.77 366	1.49 356	6.48 343	2.92 373	4.40 404	7.43 332	3.61 351	19.52 428	13.29 370	8.39 304	16.91 364	15.96 382	12.13 400	12.85 392	7.70 350	1.47 418	0.11 336	0.01 299	0.42 399	0.14 258	0.24 329
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XQC	8.43 394	3.58 410	16.40 418	2.92 373	2.17 336	13.22 399	3.60 350	14.64 385	25.86 423	11.87 381	12.04 314	15.06 377	10.67 394	15.24 411	19.41 422	0.39 388	0.08 312	0.05 366	0.07 301	0.84 393	0.45 367

GANet-RSSM	3.27 229	0.60 203	3.38 176	2.94 376	2.00 328	2.61 121	0.48 141	10.93 302	6.11 217	5.47 157	10.20 275	6.57 266	5.44 320	6.25 165	2.23 229	0.00 1	0.00 1	0.08 379	0.00 1	0.17 276	0.03 82

iResNet	3.68 267	0.91 287	7.94 371	2.97 377	0.34 165	4.44 271	0.48 141	7.70 211	9.74 322	7.72 277	12.74 327	4.03 173	2.87 202	8.05 269	3.37 272	0.02 249	0.01 144	0.00 1	0.00 1	0.10 202	0.09 217

ccnet	6.87 371	0.92 290	5.15 296	3.09 378	2.18 338	11.78 385	4.90 376	17.97 409	8.79 307	12.79 390	20.20 386	16.00 385	8.35 368	9.12 332	14.17 414	0.42 394	0.33 403	0.25 403	0.09 313	0.40 363	0.48 370

HGLStereo	4.25 314	0.52 177	4.65 268	3.09 378	5.18 417	6.51 316	0.73 211	10.37 285	6.74 243	7.32 262	12.44 324	7.00 273	7.21 351	7.46 235	5.51 321	0.00 1	0.02 195	0.00 1	0.00 1	0.06 148	0.10 238

TestStereo1	2.85 194	0.81 265	3.48 186	3.11 380	0.44 183	2.52 103	1.50 291	6.37 173	8.18 290	4.62 132	9.24 256	2.23 106	3.69 235	9.19 336	1.26 151	0.00 1	0.01 144	0.00 1	0.00 1	0.27 332	0.09 217

SA-5K	2.85 194	0.81 265	3.48 186	3.11 380	0.44 183	2.52 103	1.50 291	6.37 173	8.18 290	4.62 132	9.24 256	2.23 106	3.69 235	9.19 336	1.26 151	0.00 1	0.01 144	0.00 1	0.00 1	0.27 332	0.09 217

SACVNet	4.15 305	1.26 336	3.81 212	3.12 382	1.68 307	3.09 179	2.85 333	11.91 329	5.96 205	10.52 362	11.20 300	10.59 335	3.95 251	8.97 328	3.25 269	0.08 336	0.02 195	0.00 1	0.00 1	0.32 344	0.44 365

StereoDRNet	5.59 341	1.75 375	6.80 350	3.12 382	4.45 408	10.61 373	4.35 367	18.80 416	9.73 321	12.22 383	6.87 191	11.44 352	4.65 290	8.09 276	8.26 364	0.02 249	0.11 336	0.00 1	0.03 272	0.20 295	0.28 343

S-Stereo	6.63 363	0.84 271	9.67 383	3.15 384	3.48 376	6.49 314	6.22 392	12.99 362	22.84 417	9.48 336	15.51 352	12.00 356	8.43 369	8.04 266	10.70 392	0.12 349	0.17 373	0.00 1	0.38 395	0.13 248	1.92 411

ADCS	13.02 424	4.93 418	28.38 445	3.17 385	2.67 354	13.61 402	10.83 430	18.70 413	33.46 435	22.59 422	24.78 408	19.59 407	18.51 422	23.40 439	32.16 453	0.10 344	0.19 382	0.37 410	0.18 345	1.26 403	1.46 405

APVNet	5.98 349	1.72 373	8.72 377	3.21 386	4.04 399	12.31 391	1.81 307	19.09 421	6.10 214	6.13 194	13.41 333	10.69 340	6.30 332	11.26 375	13.90 412	0.05 313	0.02 195	0.11 384	0.03 272	0.53 372	0.20 316

PASM	7.90 386	4.22 413	21.97 434	3.25 387	3.29 368	5.39 293	6.57 399	10.57 289	19.09 400	12.77 389	13.92 337	18.11 398	9.51 385	13.79 400	10.77 395	0.19 364	0.45 414	0.29 404	1.08 421	1.49 409	1.19 399

NVstereo2D	4.51 325	0.82 268	6.86 353	3.28 388	3.38 371	8.16 343	3.13 338	10.51 288	15.15 383	4.90 142	6.89 192	7.87 290	4.78 296	9.88 353	3.91 296	0.01 176	0.00 1	0.00 1	0.06 300	0.02 36	0.58 379

STTRV1_RVC	7.02 374	1.10 317	12.88 404	3.32 389	6.92 426	11.90 387	4.00 358	15.07 388	11.94 361	9.51 337	14.57 345	11.63 353	8.73 374	12.65 391	8.06 360	3.32 428	2.75 441	0.41 412	0.12 322	1.38 407	0.11 250

AF-Net	7.78 385	1.44 351	6.68 348	3.37 390	4.50 411	8.61 348	2.69 328	17.07 403	20.17 410	9.52 338	24.02 403	20.31 413	14.59 414	11.58 379	9.84 386	0.61 400	0.00 1	0.12 387	0.00 1	0.38 356	0.12 263

GANetREF_RVC	6.56 361	2.89 400	7.58 369	3.41 391	0.40 176	12.96 397	9.58 421	15.09 389	17.25 396	10.33 356	10.62 286	12.27 358	8.16 367	12.21 386	4.53 305	0.41 391	0.00 1	0.00 1	0.02 259	3.12 423	0.39 357
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
RASNet	4.52 328	0.61 206	4.42 251	3.42 392	4.68 414	4.58 273	0.99 258	9.54 264	8.01 285	5.28 154	11.42 305	10.34 334	8.88 376	9.28 340	8.68 369	0.15 354	0.00 1	0.00 1	0.00 1	0.03 79	0.04 123

DISCO	6.28 355	0.57 194	5.78 321	3.43 393	1.17 275	11.22 378	3.39 348	12.14 340	16.16 389	6.52 221	11.22 301	16.96 392	6.32 333	19.51 429	10.74 393	0.00 1	0.00 1	0.00 1	0.00 1	0.35 351	0.11 250

AACVNet	3.33 242	1.03 306	3.56 191	3.46 394	0.63 221	3.09 179	0.28 101	8.78 245	3.43 91	5.99 181	10.64 287	10.08 327	4.03 256	8.69 313	2.51 244	0.03 283	0.01 144	0.00 1	0.00 1	0.26 327	0.06 172

DGSMNet	6.47 360	2.61 396	13.64 409	3.46 394	3.74 386	8.97 352	6.01 388	14.15 379	13.01 368	7.46 268	14.10 339	9.94 325	4.79 297	10.44 363	6.22 330	1.30 417	1.70 428	1.80 424	1.52 428	2.27 420	2.35 417

WZ-Net	13.00 423	4.64 416	41.07 455	3.48 396	3.15 363	19.12 421	15.66 451	14.81 386	31.33 432	15.71 405	27.88 415	22.22 418	14.01 412	20.44 434	25.03 441	0.64 402	0.00 1	0.01 299	0.03 272	0.39 360	0.37 355

stereogan	7.69 383	0.88 279	7.08 357	3.49 397	3.93 396	18.98 420	3.23 343	16.52 400	19.58 405	9.93 350	18.92 381	20.50 414	9.04 380	14.07 402	6.14 329	0.26 376	0.04 265	0.21 399	0.03 272	0.63 383	0.33 350

AASNet	3.90 288	0.92 290	4.41 250	3.56 398	4.00 398	6.70 318	1.26 280	18.71 414	6.14 218	7.35 264	7.91 227	4.35 194	2.58 183	3.04 77	6.62 341	0.00 1	0.00 1	0.00 1	0.00 1	0.39 360	0.14 276

ADLNet	4.32 319	0.80 263	4.33 246	3.60 399	3.56 379	6.87 322	2.48 320	11.20 305	7.58 270	9.87 347	9.62 265	8.39 301	4.95 302	6.16 161	6.60 339	0.01 176	0.01 144	0.00 1	0.01 238	0.12 233	0.25 332

MFN_U_SF_RVC	12.94 422	3.66 411	25.81 441	3.61 400	2.26 342	22.77 427	4.55 371	27.10 442	20.06 408	23.90 428	28.99 419	30.53 435	16.98 416	19.92 431	20.26 425	1.24 414	1.07 422	0.98 419	1.33 424	1.80 415	2.04 413

DeepPrunerF	6.75 364	2.69 397	23.31 436	3.68 401	7.16 427	3.78 241	4.29 365	13.42 369	20.13 409	8.13 291	10.46 282	7.18 282	8.06 365	11.10 373	9.44 381	0.24 373	0.15 361	0.29 404	0.42 399	0.66 386	0.45 367

SHD	9.61 406	2.60 395	12.46 398	3.69 402	3.54 378	9.47 358	1.25 278	20.16 433	37.84 446	18.19 412	21.24 392	16.96 392	12.83 407	14.47 406	16.05 417	0.32 382	0.13 351	0.01 299	0.08 305	0.38 356	0.48 370

RTSC	9.15 399	3.00 402	13.57 408	3.72 403	1.76 315	11.82 386	0.46 138	16.95 402	36.83 443	15.80 406	15.53 353	12.91 362	7.46 355	20.01 432	21.76 431	0.31 381	0.13 351	0.01 299	0.08 305	0.57 376	0.41 360

LE_ROB	16.73 438	1.28 341	11.61 392	3.72 403	1.65 302	16.67 411	9.17 418	14.39 381	55.91 460	63.81 471	40.86 447	35.94 444	37.73 454	14.24 403	26.87 445	0.05 313	0.10 328	0.13 389	0.22 361	0.12 233	0.15 285

MaskLacGwcNet_RVC	5.97 348	5.36 419	5.02 284	3.75 405	3.57 380	15.81 407	4.27 364	11.72 323	6.96 248	7.23 257	8.47 236	9.09 314	2.66 187	9.36 344	2.71 250	7.49 437	2.32 432	2.01 427	0.08 305	6.77 436	4.67 429

Nwc_Net	6.97 373	1.25 335	6.63 347	3.82 406	3.37 370	10.83 377	1.67 302	19.56 430	11.35 352	8.36 299	23.62 402	17.19 394	11.44 399	11.21 374	8.08 361	0.80 405	0.00 1	0.00 1	0.02 259	0.13 248	0.09 217

CC-Net-ROB	7.68 381	9.21 434	7.46 365	3.82 406	3.66 384	15.68 406	5.02 379	17.95 408	10.45 341	6.44 218	14.00 338	7.63 286	4.77 294	10.75 368	3.10 263	5.99 434	2.46 435	16.28 444	1.08 421	6.30 435	1.56 407

DANet	6.02 352	1.23 333	8.45 375	3.86 408	3.94 397	7.64 340	1.34 286	9.51 263	7.00 250	13.39 395	15.53 353	15.99 384	7.02 347	12.14 385	12.37 404	0.19 364	0.12 343	0.02 330	0.03 272	0.13 248	0.56 378
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
RP	6.84 370	1.29 343	5.53 317	3.92 409	5.18 417	6.32 309	3.53 349	11.73 324	15.31 384	9.54 339	22.38 398	18.25 399	14.47 413	10.11 356	7.49 347	0.91 409	0.01 144	0.12 387	0.15 329	0.33 347	0.19 310

RGC	6.88 372	2.23 390	6.13 331	4.05 410	4.73 416	8.94 351	2.78 330	15.19 393	11.74 357	11.13 373	19.34 382	17.86 396	10.42 393	13.02 395	8.03 359	0.73 403	0.01 144	0.24 402	0.41 398	0.31 342	0.38 356

IIG-Stereo	3.16 224	0.75 248	2.83 121	4.08 411	0.21 122	2.56 112	0.74 214	6.55 186	5.56 189	8.39 304	9.38 262	7.94 295	2.79 196	9.50 350	1.89 206	0.02 249	0.00 1	0.00 1	0.00 1	0.02 36	0.04 123

AnyNet_C32	10.98 417	5.58 420	22.79 435	4.16 412	5.83 421	15.64 405	14.30 441	13.18 364	17.15 395	16.44 409	20.52 389	14.68 375	13.44 409	22.46 436	30.08 450	0.17 360	0.26 400	0.36 409	0.36 394	1.23 402	0.91 392

BEATNet-Init1	23.31 448	9.03 433	41.67 456	4.17 413	2.53 351	45.68 461	19.47 456	33.43 448	38.45 447	47.59 460	49.10 456	59.31 461	41.80 457	38.35 456	29.21 449	0.47 397	0.50 417	0.81 416	0.66 411	2.10 419	1.86 409

MDST_ROB	8.37 392	0.32 43	9.03 378	4.18 414	2.42 348	26.86 438	6.14 389	19.36 425	13.52 373	27.09 433	22.75 400	9.47 319	4.74 293	15.06 409	6.34 333	0.02 249	0.02 195	0.00 1	0.00 1	0.02 36	0.13 271

OMP-Stereo	3.03 212	0.93 293	2.72 107	4.21 415	0.51 206	2.19 80	1.25 278	6.19 166	6.00 210	7.99 288	6.21 172	8.50 308	2.49 179	9.44 348	1.74 195	0.01 176	0.00 1	0.00 1	0.00 1	0.08 175	0.05 156

PVD	15.44 430	2.93 401	14.67 412	4.21 415	3.39 373	17.43 417	4.16 361	27.84 446	48.84 455	31.02 439	43.54 449	29.76 434	30.81 447	25.97 442	21.40 428	0.23 371	0.41 410	0.04 359	0.33 388	0.41 366	1.33 402

AnyNet_C01	16.12 434	10.81 439	59.36 463	4.42 417	2.49 350	30.06 441	15.15 449	17.51 407	16.51 391	17.88 411	37.69 441	24.04 420	17.54 417	29.60 445	33.29 454	0.28 380	0.38 408	0.43 413	0.42 399	2.57 422	1.98 412

MANE	19.47 446	1.27 338	5.07 289	4.69 418	5.55 419	30.49 442	9.94 424	34.01 449	37.27 445	44.13 457	51.57 460	52.51 455	40.41 456	33.58 448	24.81 440	0.89 408	0.86 421	1.11 421	9.72 452	0.38 356	1.06 396

GASNet	5.19 337	4.61 415	9.38 381	4.73 419	2.10 332	3.80 243	1.57 296	12.07 335	10.96 345	8.92 323	7.03 201	8.21 300	7.67 360	14.02 401	7.36 345	0.02 249	0.15 361	0.00 1	0.00 1	0.69 387	0.42 361

ELAS	16.72 437	2.14 389	9.23 379	4.92 420	4.53 412	32.66 447	15.11 448	27.40 444	28.68 429	40.27 452	44.90 450	38.33 447	30.50 446	26.44 443	21.94 433	0.88 407	1.23 425	0.67 414	0.89 418	1.49 409	2.18 416
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RTS	18.87 444	9.32 436	86.48 470	4.95 421	6.10 422	42.08 455	14.70 443	15.49 394	41.06 448	22.65 423	32.32 429	13.77 365	19.54 426	37.98 454	28.96 447	0.41 391	0.23 392	0.00 1	0.02 259	0.91 395	0.50 373

RTSA	18.87 444	9.32 436	86.48 470	4.95 421	6.10 422	42.08 455	14.70 443	15.49 394	41.06 448	22.65 423	32.32 429	13.77 365	19.54 426	37.98 454	28.96 447	0.41 391	0.23 392	0.00 1	0.02 259	0.91 395	0.50 373

Consistency-Raft	9.42 403	4.74 417	12.66 401	5.30 423	9.08 434	4.08 255	5.26 383	19.26 423	24.87 421	11.17 374	29.85 422	13.57 363	5.51 321	7.67 245	13.40 409	0.36 385	0.35 406	1.81 425	4.24 442	11.61 442	3.57 422

ELAS_RVC	16.54 436	2.26 391	10.09 387	5.50 424	4.46 409	28.28 440	16.72 452	25.55 441	33.54 436	40.19 451	40.30 446	36.68 445	30.03 445	29.40 444	20.61 426	0.98 412	1.21 424	0.86 418	0.70 413	1.39 408	2.16 414
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
G-Net	8.41 393	1.54 359	10.97 390	5.73 425	3.60 381	26.19 432	4.41 368	10.10 280	7.42 262	19.71 416	24.99 410	14.38 373	15.83 415	10.99 371	9.53 383	0.50 398	0.46 415	0.19 398	0.25 369	0.80 391	0.66 384

PWCDC_ROB	7.92 387	3.17 407	7.48 366	5.73 425	4.40 404	10.45 370	0.35 118	14.52 384	28.19 427	10.36 358	31.27 426	7.04 276	9.14 381	13.22 397	8.78 371	2.74 427	0.02 195	0.00 1	0.00 1	1.31 405	0.17 298

MSC_U_SF_DS_RVC	16.41 435	6.93 427	21.83 433	5.94 427	2.81 356	38.71 453	14.59 442	24.55 440	34.87 441	33.66 445	34.35 435	29.24 433	24.20 438	22.59 437	17.95 420	2.52 426	2.81 442	1.17 422	1.51 427	5.89 433	2.16 414

NVStereoNet_ROB	16.04 433	6.75 425	12.90 405	6.37 428	7.42 430	12.89 396	9.74 423	22.78 437	25.12 422	30.32 437	46.19 452	34.37 442	25.38 439	21.48 435	21.38 427	5.94 433	3.10 447	6.07 438	10.09 453	4.01 426	8.54 445
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
LSM	14.01 427	5.95 421	33.49 448	6.78 429	43.61 469	10.22 366	9.98 425	15.16 392	22.93 418	23.07 426	32.34 431	18.52 401	12.67 404	15.45 412	11.10 396	0.16 359	0.51 418	0.09 382	0.32 386	1.08 399	16.85 464

anonymity	7.68 381	3.83 412	12.39 397	7.04 430	12.67 445	8.18 344	2.00 311	17.50 406	6.85 245	13.56 397	9.21 250	9.97 326	7.82 362	11.28 376	5.58 322	6.27 435	4.98 457	3.68 433	2.96 433	3.33 425	4.48 427

SGM+DAISY	15.62 431	7.26 429	19.28 426	8.94 431	10.11 439	26.25 433	10.49 428	19.36 425	14.65 380	30.64 438	33.59 434	33.00 438	22.32 437	24.96 441	16.42 418	7.90 439	6.25 459	4.51 435	3.37 438	5.86 432	7.20 439

testlalala2	2.15 124	0.44 139	2.44 75	9.24 432	6.30 424	3.64 222	0.18 77	4.63 74	2.55 30	3.73 112	4.17 108	3.14 134	0.51 53	1.08 13	0.26 8	0.00 1	0.10 328	0.00 1	0.44 403	0.11 219	0.03 82

MFMNet_re	13.29 425	8.60 431	18.29 423	9.75 433	7.25 429	19.65 423	14.84 445	20.71 435	30.72 431	23.03 425	28.77 418	18.85 403	26.09 442	13.55 398	9.82 384	2.44 425	1.35 426	0.34 407	0.23 362	4.78 428	6.69 438

PDISCO_ROB	9.62 407	1.99 387	11.51 391	9.88 434	9.61 436	21.48 425	3.83 355	19.33 424	28.49 428	11.27 376	14.17 340	19.92 409	5.02 303	16.35 418	9.18 375	5.28 432	0.41 410	0.14 390	0.09 313	2.05 416	2.36 418

UDG	8.58 396	9.31 435	4.89 278	10.00 435	9.52 435	10.36 369	2.41 317	12.07 335	9.82 324	7.81 280	9.55 263	16.52 387	9.81 388	7.84 256	7.88 355	4.20 429	2.51 437	18.53 446	3.71 441	9.55 438	5.28 432

FADE		17.27 443		10.46 436	9.90 438			35.80 451	53.05 457	20.32 420		26.54 427		39.35 457		30.62 465	14.22 464	38.39 464	37.63 467	5.22 430	5.56 434

CAS	2.24 132	0.25 15	1.86 26	11.21 437	3.86 394	1.67 42	0.02 10	3.87 42	2.67 34	0.41 26	1.63 43	0.24 18	0.27 13	1.50 34	0.74 82	9.43 444	0.01 144	0.00 1	0.00 1	0.01 8	5.21 431

SPS-STEREO	15.04 429	6.23 423	13.21 407	11.34 438	11.65 442	23.30 428	7.15 407	24.16 439	15.65 386	31.78 440	29.19 421	31.62 436	21.32 432	24.62 440	19.50 423	7.59 438	4.19 455	3.22 432	1.48 425	6.99 437	6.54 437
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SQANet	7.64 380	3.40 409	5.49 312	11.73 439	9.62 437	11.96 389	2.82 331	11.33 311	6.10 214	8.33 298	11.49 307	11.00 347	5.16 309	10.12 360	2.72 253	8.92 441	2.21 430	10.41 440	1.58 429	11.13 441	7.39 440

SAMSARA	14.63 428	2.74 399	12.38 396	12.65 440	6.74 425	36.50 451	72.93 474	19.36 425	23.77 420	16.20 408	13.04 330	29.21 432	12.78 405	16.98 420	15.21 416	0.11 346	0.26 400	0.03 347	0.14 326	0.76 390	0.77 387

DDUNet	9.47 404	11.32 440	6.14 332	12.93 441	11.65 442	10.45 370	3.87 356	11.70 322	7.89 281	9.27 332	13.28 331	16.18 386	6.14 330	8.80 322	5.77 325	6.64 436	3.38 450	20.90 447	4.28 443	11.01 440	7.80 441

otaku	11.73 420	7.51 430	7.07 356	13.22 442	10.85 441	26.61 437	7.25 409	18.84 417	19.16 402	11.58 380	17.23 373	20.19 411	8.09 366	15.11 410	4.64 308	9.13 443	2.42 434	13.08 441	1.83 430	12.48 444	8.22 443

Ntro	12.35 421	8.88 432	7.80 370	13.79 443	12.42 444	26.54 436	6.98 405	18.54 412	22.14 416	9.82 344	16.45 358	20.30 412	9.29 384	15.95 415	6.61 340	9.53 445	2.47 436	14.93 443	2.77 432	13.11 446	8.63 446

JetBlue	29.12 454	15.72 442	54.12 460	15.93 444	20.98 457	60.90 472	30.62 463	39.38 452	34.62 439	34.08 446	39.69 443	57.35 460	43.17 458	50.71 469	50.60 469	2.41 424	3.79 453	2.81 428	3.45 439	9.57 439	12.59 458

ACVNet-4b	15.90 432	22.00 446	12.37 395	16.40 445	15.14 448	31.87 444	7.50 411	19.04 420	27.85 426	11.48 378	22.02 395	31.86 437	9.16 383	17.95 423	5.69 323	10.43 447	2.58 438	24.44 451	4.87 447	16.04 449	9.28 447

ACVNet_1	18.70 443	25.08 449	12.72 402	17.33 446	15.18 449	26.02 431	9.62 422	28.44 447	34.49 437	24.39 429	24.32 406	37.22 446	20.13 429	16.67 419	13.39 408	10.45 448	2.59 439	24.77 452	4.92 448	16.57 450	9.75 449

RainbowNet	18.01 442	26.22 451	19.95 428	18.59 447	14.88 447	27.38 439	10.46 427	27.39 443	34.54 438	14.91 403	27.01 414	25.65 424	12.44 402	18.94 427	9.23 376	13.91 455	3.46 451	23.36 450	4.86 446	16.03 448	10.91 453

MADNet+	27.07 451	33.84 458	90.97 474	20.14 448	7.47 431	48.43 463	47.10 470	35.43 450	36.46 442	20.11 419	30.05 423	25.29 423	35.08 450	45.50 463	50.28 468	2.13 423	2.00 429	1.19 423	0.76 414	4.71 427	4.43 425

ACVNet_2	26.45 450	29.35 456	25.14 439	20.27 449	15.43 450	34.97 449	12.23 437	48.37 462	66.25 470	42.69 454	56.73 464	51.77 453	25.59 440	20.39 433	13.52 410	10.13 446	2.59 439	22.78 449	3.52 440	17.57 451	9.80 451

test_for_model	6.81 369	27.63 452	2.16 63	21.79 450	16.18 451	3.48 206	0.94 254	5.88 151	3.72 100	7.62 273	2.72 72	1.03 67	0.42 46	0.58 1	0.35 17	9.03 442	2.28 431	0.00 1	0.05 293	23.91 457	6.49 436

DispFullNet	17.47 440	26.01 450	33.98 450	22.58 451	20.86 456	13.84 403	1.28 281	16.50 399	26.27 424	19.97 418	17.17 371	20.52 415	18.49 421	22.86 438	10.76 394	5.13 431	2.83 443	30.72 455	7.72 451	20.86 453	11.01 454

PWCK	30.53 457	44.32 465	47.25 458	29.76 452	7.23 428	40.78 454	27.10 462	44.73 456	44.32 451	47.31 459	36.37 439	47.16 452	26.05 441	41.26 459	31.87 452	21.83 460	4.03 454	29.50 454	4.67 444	27.17 462	7.80 441

Dean	34.67 459	38.70 463	25.33 440	29.89 453	17.21 452	45.24 460	11.98 435	56.90 471	76.55 472	63.47 470	60.22 467	67.36 469	48.14 463	37.24 452	39.01 460	11.00 450	2.83 443	28.35 453	5.60 450	18.14 452	10.31 452

IMH-64-1	27.21 452	28.77 453	16.84 421	31.57 454	20.76 454	26.43 434	15.10 446	47.11 457	45.20 452	33.53 443	51.16 458	41.42 449	31.10 448	36.48 450	22.39 434	13.48 453	2.87 445	33.95 457	10.70 454	23.50 455	11.75 455

IMH-64	27.21 452	28.77 453	16.84 421	31.57 454	20.76 454	26.43 434	15.10 446	47.11 457	45.20 452	33.53 443	51.16 458	41.42 449	31.10 448	36.48 450	22.39 434	13.48 453	2.87 445	33.95 457	10.70 454	23.50 455	11.75 455

LVE	34.99 461	40.10 464	34.97 451	32.49 456	18.61 453	51.45 468	26.82 461	52.15 466	65.94 469	47.21 458	61.04 468	53.99 458	37.30 453	37.95 453	34.09 456	15.55 459	5.95 458	31.01 456	13.81 459	22.58 454	16.72 463

WAO-7	29.39 455	24.43 447	20.47 429	32.71 457	13.83 446	34.70 448	20.27 459	52.19 467	65.03 468	43.29 455	59.35 466	52.19 454	44.68 460	31.71 446	30.56 451	10.98 449	4.94 456	13.71 442	12.52 458	12.06 443	8.22 443

IMH	29.82 456	29.11 455	18.51 425	34.28 458	21.40 459	32.33 446	15.39 450	49.40 464	53.07 458	37.88 448	55.32 463	45.05 451	39.54 455	40.63 458	24.12 438	14.03 456	3.27 449	34.93 459	11.24 456	24.69 458	12.21 457

TorneroNet-64	32.42 458	31.89 457	30.52 446	34.73 459	21.13 458	46.99 462	18.82 454	43.10 455	59.42 463	32.70 442	46.98 453	62.01 463	36.98 452	43.97 462	33.88 455	14.10 457	3.22 448	35.28 460	11.72 457	26.84 461	14.07 459

WAO-6	34.74 460	36.76 462	15.36 415	37.53 460	24.15 463	35.99 450	19.36 455	48.96 463	68.54 471	43.84 456	47.58 454	52.77 456	52.60 464	32.63 447	34.73 457	26.20 463	7.74 462	42.78 465	21.64 464	28.07 463	17.62 465

TorneroNet	35.11 462	33.92 459	33.82 449	37.86 461	22.01 460	49.64 465	21.58 460	48.09 461	55.23 459	37.50 447	53.79 461	62.81 466	43.66 459	46.71 465	41.25 463	14.80 458	3.53 452	36.72 461	14.57 460	28.28 464	16.49 462

WAO-8	38.15 463	35.51 460	21.50 431	43.67 462	23.92 461	44.44 457	20.26 457	52.83 468	76.62 473	53.57 464	66.79 471	62.63 464	54.56 467	42.03 460	39.18 461	22.71 461	6.65 460	37.08 462	19.08 462	24.72 460	15.24 460

Venus	38.15 463	35.51 460	21.50 431	43.67 462	23.92 461	44.44 457	20.26 457	52.83 468	76.62 473	53.57 464	66.81 472	62.63 464	54.56 467	42.03 460	39.18 461	22.71 461	6.65 460	37.08 462	19.08 462	24.70 459	15.24 460

UNDER WATER-64	45.16 466	46.99 466	66.69 464	43.90 464	27.64 464	55.58 471	41.87 467	39.42 453	48.42 454	51.73 463	43.08 448	67.76 470	56.69 469	48.02 467	48.34 466	39.50 467	17.64 465	51.78 468	38.93 468	36.62 465	32.61 467

JetRed	61.02 472	61.05 472	82.56 469	46.09 465	56.80 473	83.19 473	63.76 472	59.26 473	63.61 466	69.29 474	68.85 473	66.59 468	47.62 462	61.57 472	74.09 473	45.58 469	66.14 475	46.59 466	45.06 470	63.17 472	49.58 472

UNDER WATER	45.09 465	48.60 467	67.37 465	49.30 466	31.41 465	53.80 470	37.39 465	40.25 454	52.48 456	50.24 461	45.37 451	68.37 471	57.76 470	51.03 470	49.88 467	29.97 464	13.75 463	51.22 467	36.57 465	37.87 466	29.12 466

GCST	9.08 398	17.31 444	3.98 225	52.92 467	10.66 440	11.29 380	0.20 82	6.97 200	6.47 234	9.46 335	4.68 120	4.75 205	1.51 131	9.34 343	1.31 156	8.19 440	0.05 275	22.38 448	0.34 390	6.17 434	3.53 421

DPSimNet_ROB	53.45 469	64.73 474	44.39 457	53.97 468	45.39 470	53.66 469	54.83 471	55.15 470	57.87 462	64.16 472	50.83 457	63.40 467	53.34 466	46.45 464	65.81 472	63.13 473	26.54 470	57.94 471	51.11 472	45.52 467	50.69 473

HanzoNet	56.48 471	59.32 471	58.25 462	55.32 469	41.94 467	50.95 467	41.33 466	51.12 465	61.40 465	65.62 473	65.59 470	71.66 472	69.41 472	70.77 474	60.03 471	63.99 474	34.70 471	61.96 472	50.54 471	51.00 470	44.71 470

notaker	47.42 467	55.20 469	49.13 459	56.52 470	40.18 466	38.52 452	32.97 464	47.21 459	56.08 461	57.21 466	57.24 465	60.09 462	59.19 471	53.93 471	41.64 464	40.61 468	19.93 466	57.21 470	37.41 466	49.02 468	39.02 468

ktn	48.94 468	57.58 470	38.86 454	59.57 471	43.27 468	50.37 466	43.38 468	48.07 460	61.11 464	51.30 462	54.25 462	54.96 459	52.88 465	47.30 466	35.83 458	57.77 471	24.88 469	62.69 473	43.55 469	50.70 469	40.41 469

ASD4	75.85 474	81.57 476	69.25 467	68.23 472	80.87 477	96.24 476	99.15 481	77.50 475	93.47 479	77.59 475	85.63 474	78.32 474	76.43 474	77.89 475	82.61 474	58.30 472	62.67 473	55.02 469	62.43 474	68.35 473	65.49 475

LRCNet_RVC	66.23 473	65.67 475	67.63 466	71.47 473	54.32 472	32.17 445	2.66 327	63.19 474	21.35 414	81.79 476	91.26 476	83.62 475	71.62 473	69.32 473	52.57 470	95.49 480	64.45 474	95.07 480	95.19 480	71.52 474	74.31 476

KSHMR	55.63 470	63.60 473	37.85 453	74.69 474	49.56 471	49.01 464	45.73 469	57.46 472	63.97 467	61.61 469	62.07 469	72.39 473	47.01 461	50.65 468	43.29 465	54.10 470	62.21 472	66.10 474	53.94 473	51.25 471	46.11 471

xxxxx1	85.63 477	90.31 478	96.68 477	76.54 475	80.57 474	97.44 478	96.86 478	85.53 476	88.53 476	88.68 477	91.71 477	94.23 477	92.93 476	90.02 477	91.98 476	70.60 475	70.39 476	73.68 476	81.46 477	74.61 475	79.86 477

tt_ll	85.63 477	90.31 478	96.68 477	76.54 475	80.57 474	97.44 478	96.86 478	85.53 476	88.53 476	88.68 477	91.71 477	94.23 477	92.93 476	90.02 477	91.98 476	70.60 475	70.39 476	73.68 476	81.46 477	74.61 475	79.86 477

ff	85.63 477	90.31 478	96.68 477	76.54 475	80.57 474	97.44 478	96.86 478	85.53 476	88.53 476	88.68 477	91.71 477	94.23 477	92.93 476	90.02 477	91.98 476	70.60 475	70.39 476	73.68 476	81.46 477	74.61 475	79.86 477

tt	83.26 476	0.34 66	99.99 484	79.40 478	93.18 479	100.00 483	100.00 484	100.00 487	99.95 482	60.33 468	47.63 455	99.98 486	99.96 482	99.98 484	100.00 487	92.42 479	99.82 483	73.83 479	73.63 476	88.42 480	56.35 474

MADNet++	82.84 475	82.38 477	73.57 468	87.72 479	82.97 478	93.14 474	69.15 473	86.42 479	82.50 475	93.46 480	86.70 475	86.28 476	80.92 475	88.34 476	88.84 475	86.83 478	84.17 479	72.64 475	68.92 475	80.47 479	81.42 480

MEDIAN_ROB	98.41 481	99.70 481	99.30 481	97.09 480	97.02 480	96.89 477	95.77 477	97.66 482	97.28 480	98.79 483	98.94 481	99.18 482	98.14 480	96.89 480	96.88 481	99.96 484	99.16 481	100.00 483	99.99 484	99.69 483	99.88 483

Anonymous_1	99.08 483	99.91 482	99.85 483	97.63 481	99.10 483	100.00 483	100.00 484	99.61 484	99.96 483	99.28 484	99.86 482	99.54 483	99.99 483	99.29 482	99.75 482	96.05 481	99.59 482	97.31 481	98.57 482	97.71 481	98.63 482

PML	97.88 480	100.00 486	96.45 476	98.01 482	97.88 482	100.00 483	99.35 482	96.88 480	97.72 481	100.00 486	97.36 480	97.38 481	99.60 481	100.00 487	96.32 480	99.99 485	97.55 480	100.00 483	96.01 481	99.18 482	87.92 481

DLNR_Zeroshot_test	24.70 449	50.77 468	90.11 473	98.11 483	97.34 481	1.38 20	0.12 44	22.79 438	3.09 68	1.07 56	2.95 75	0.71 58	0.29 17	6.93 204	2.29 231	38.56 466	0.37 407	0.00 1	0.30 383	76.73 478	0.09 217

DPSM_ROB	99.95 488	100.00 486	100.00 488	99.76 484	100.00 485	100.00 483	100.00 484	100.00 487	100.00 485	100.00 486	100.00 483	100.00 488	100.00 485	100.00 487	100.00 487	99.21 482	100.00 486	100.00 483	100.00 486	99.99 484	99.95 484

DPSM	99.95 488	100.00 486	100.00 488	99.76 484	100.00 485	100.00 483	100.00 484	100.00 487	100.00 485	100.00 486	100.00 483	100.00 488	100.00 485	100.00 487	100.00 487	99.21 482	100.00 486	100.00 483	100.00 486	99.99 484	99.95 484

HaxPig	98.85 482	99.94 483	95.08 475	99.99 486	100.00 485	94.03 475	94.78 475	99.15 483	99.98 484	99.99 485	100.00 483	99.98 486	99.99 483	98.12 481	95.97 479	100.00 487	99.99 485	100.00 483	99.99 484	100.00 486	99.99 486

DPSMNet_ROB	99.91 487	100.00 486	99.99 484	99.99 486	100.00 485	100.00 483	100.00 484	99.98 486	100.00 485	98.35 481	100.00 483	99.84 484	100.00 485	99.98 484	99.99 484	100.00 487	100.00 486	100.00 483	100.00 486	100.00 486	100.00 488

DGTPSM_ROB	99.90 486	100.00 486	99.99 484	99.99 486	100.00 485	100.00 483	100.00 484	99.97 485	100.00 485	98.35 481	100.00 483	99.84 484	100.00 485	99.98 484	99.99 484	99.99 485	100.00 486	100.00 483	100.00 486	100.00 486	100.00 488

Selective-RAFT-Error	100.00 490	100.00 486	100.00 488	100.00 489	100.00 485	100.00 483	100.00 484	100.00 487	100.00 485	100.00 486	100.00 483	100.00 488	100.00 485	100.00 487	100.00 487	100.00 487	100.00 486	100.00 483	100.00 486	100.00 486	100.00 488

CasAABBNet	100.00 490	100.00 486	100.00 488	100.00 489	100.00 485	100.00 483	100.00 484	100.00 487	100.00 485	100.00 486	100.00 483	100.00 488	100.00 485	100.00 487	100.00 487	100.00 487	100.00 486	100.00 483	100.00 486	100.00 486	100.00 488

test_example2	99.39 484	99.98 485	99.99 484	100.00 489	99.98 484	99.72 482	99.99 483	97.34 481	100.00 485	100.00 486	100.00 483	96.42 480	96.66 479	99.97 483	99.96 483	100.00 487	99.97 484	98.66 482	99.15 483	100.00 486	100.00 488

LSM0	100.00 490	100.00 486	100.00 488	100.00 489	100.00 485	100.00 483	100.00 484	100.00 487	100.00 485	100.00 486	100.00 483	100.00 488	100.00 485	100.00 487	100.00 487	100.00 487	100.00 486	100.00 483	100.00 486	100.00 486	99.99 486

AVERAGE_ROB	99.62 485	99.95 484	98.81 480	100.00 489	100.00 485	98.08 481	95.47 476	100.00 487	100.00 485	100.00 486	100.00 483	100.00 488	100.00 485	100.00 487	99.99 484	100.00 487	100.00 486	100.00 483	100.00 486	100.00 486	100.00 488

Low-res two-view benchmark